探索Dent:超越Microsoft Defender ATP的攻击表面降低规则框架
2024-05-22 23:28:21作者:羿妍玫Ivan
本文将介绍一个独特的开源项目——Dent,它是一个专门设计用来规避Microsoft Defender高级威胁防护(ATP)中攻击表面降低(ASR)规则的代码生成框架。Dent利用特定的漏洞来执行shellcode,无需担心被检测或阻止。尽管已被归档,但这个项目仍然值得我们深入研究其技术和潜在的应用。
项目介绍
Dent是一个Go语言编写的工具,用于生成可以绕过Microsoft Defender ATP的ASR规则的代码。通过利用存在的漏洞,Dent使攻击者能够执行payload而不被防御系统阻拦。虽然主要用于研究和教育目的,但它的存在揭示了网络安全防护体系中的潜在弱点。
项目技术分析
Dent依赖于两种技术手段:
- 假COM对象模式:创建并修改注册表键值以伪装成合法的COM对象,使得任何应用在尝试调用该对象时执行恶意的shellcode。
- 远程.XLLPayload模式:使用Excel.Application COM对象下载并执行远程的XLL插件,这些插件可以在运行时自动执行shellcode,避开基于进程或网络行为的ASR规则。
这两种方法都是针对MS Defender ATP的内核级防护机制设计的,巧妙地避开了其传统的监控方式。
项目及技术应用场景
Dent的主要应用包括安全研究人员在测试环境中模拟攻击以评估防御系统的有效性,以及教育领域中教授如何识别和对抗这种高级威胁。此外,对于安全团队来说,了解这些技术有助于增强他们的防御策略。
项目特点
- 高效绕过: Dent成功地绕过了Microsoft Defender ATP的多层保护,实现了有效载荷的无声执行。
- 灵活性:支持两种不同的攻击方式,可以根据具体场景选择最合适的手段。
- 易于使用:提供清晰的命令行选项,方便生成和武器化payload。
- 持续更新:尽管已被归档,开发者承诺会定期添加新的利用技巧。
安装与使用
要使用Dent,首先克隆仓库,然后进行构建:
go build Dent.go
之后,您可以参考项目提供的帮助信息来生成和定制你的攻击脚本。
请注意,为了生成payload,建议配合ScareCrow工具使用,这是一个强大的payload生成器,适用于多种场景。
总的来说,Dent展示了安全防护领域的另一面,提醒我们在日益复杂的安全环境下,保持警惕和不断学习的重要性。虽然这是一个风险和挑战并存的领域,但对技术的深入理解和掌握是我们抵御未来威胁的关键。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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