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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
525
3.72 K
Ascend Extension for PyTorch
Python
329
391
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++
877
578
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
335
162
暂无简介
Dart
764
189
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
12
1
🎉 (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
1.33 K
746
🔥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
67
20
React Native鸿蒙化仓库
JavaScript
302
350