Ghosting-AMSI 的项目扩展与二次开发
2025-04-30 16:14:37作者:何将鹤
1. 项目的基础介绍
Ghosting-AMSI 是一个开源项目,旨在通过绕过 Advanced Microsoft Security Infrastructure (AMSI) 的检测机制,来提高安全研究员和研究者在分析恶意脚本时的能力。该项目的目的是为了帮助安全领域的工作者更好地理解和应对现代安全挑战。
2. 项目的核心功能
Ghosting-AMSI 的核心功能是提供一种方法,使研究人员能够在不触发 AMSI 防御机制的情况下执行 PowerShell 脚本。这允许研究人员在分析恶意脚本时,能够更深入地了解攻击者的行为和策略。
3. 项目使用了哪些框架或库?
该项目主要使用了以下框架或库:
- Python:作为主要的开发语言。
ctypes:用于在 Python 中加载和调用 Windows 动态链接库(DLL)。win32api和win32con:来自pywin32库,用于与 Windows API 交互。
4. 项目的代码目录及介绍
项目的代码目录结构大致如下:
Ghosting-AMSI/
├── ghosting.py # 主程序文件,包含核心功能实现。
├──amsi_bypass.py # 用于绕过 AMSI 的模块。
├──__init__.py # 初始化文件,用于将模块作为包使用。
├──README.md # 项目说明文件,包含项目描述和使用说明。
└──requirements.txt # 项目依赖文件,列出了项目所需的 Python 库。
ghosting.py:包含绕过 AMSI 的主逻辑和执行 PowerShell 脚本的功能。amsi_bypass.py:实现了 AMSI 绕过的具体技术细节。
5. 对项目进行扩展或者二次开发的方向
功能扩展方向
- 增加其他脚本语言的绕过支持:目前项目主要针对 PowerShell 脚本,可以考虑扩展支持其他脚本语言,如 Python 脚本、JavaScript 脚本等。
- 增加自动化测试功能:开发自动化测试脚本来验证绕过技术的有效性,以及检测新的 AMSI 更新。
- 增强用户界面:提供一个图形用户界面(GUI)以便于非技术用户也能轻松使用。
技术优化方向
- 优化代码结构:对现有代码进行重构,以提高代码的可读性和可维护性。
- 提升性能:优化算法和数据处理流程,以提高程序执行效率。
- 错误处理:增加更全面的错误处理机制,确保在遇到异常时程序能够优雅地处理。
通过上述扩展和优化,Ghosting-AMSI 项目将能够更好地服务于安全研究社区,帮助研究人员更有效地分析和应对安全威胁。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
Ascend Extension for PyTorch
Python
229
259
暂无简介
Dart
680
160
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
493