Atomic Red Team中Sysmon检测驱动卸载问题的技术分析
2025-05-22 12:41:51作者:房伟宁
背景介绍
Atomic Red Team是一个用于模拟攻击技术的开源框架,其中的T1562.001测试用例专门针对防御规避技术中的"禁用或篡改工具"场景。测试编号11的用例旨在验证系统能否检测Sysmon过滤驱动被卸载的情况。
问题现象
在Windows Server 2022标准版(作为AD域控制器)环境中,当执行该测试的预检条件检查时,系统无法识别已安装并运行的Sysmon服务。具体表现为:
- 通过
Invoke-AtomicTest命令执行预检检查时返回失败 - 使用
sc.exe query命令查询服务状态时也无法找到Sysmon服务
根本原因
经过深入分析,发现问题根源在于服务命名差异:
- Atomic测试预期查找的服务名称为"sysmon"
- 实际环境中通过Chocolatey安装的服务名称为"sysmon64"
这种命名差异导致预检条件检查失败,因为检测逻辑仅查找"sysmon"服务名称,而没有考虑"sysmon64"这一变体。
技术验证
通过以下PowerShell命令可以验证服务确实存在但名称不同:
Get-Service -Name Sysmon64
Status Name DisplayName
------ ---- -----------
Running Sysmon64 Sysmon64
同样,使用sc命令也能查询到该服务:
sc.exe query sysmon64 | findstr sysmon64
SERVICE_NAME: sysmon64
影响分析
这个问题会导致以下影响:
- 测试用例无法正确执行,即使Sysmon实际已安装
- 可能误导安全人员认为系统未安装Sysmon
- 影响红队评估的完整性和准确性
解决方案建议
针对此问题,建议从以下几个方面进行改进:
- 测试用例增强:修改预检条件检查逻辑,使其能够识别"sysmon"和"sysmon64"两种服务名称
- 文档说明:在测试文档中明确说明支持的服务名称变体
- 兼容性考虑:考虑未来可能出现的其他服务名称变体(如sysmon32等)
最佳实践
对于使用Atomic Red Team的安全团队,建议:
- 在执行测试前手动验证Sysmon服务名称
- 对于通过不同方式安装的Sysmon,注意其服务名称可能不同
- 在自动化测试流程中加入服务名称检查逻辑
总结
这个问题揭示了安全工具在实际环境中可能遇到的兼容性问题。Sysmon作为Windows系统重要的安全监控工具,其不同安装方式可能导致服务名称差异。Atomic Red Team作为红队测试框架,需要不断适应各种环境差异,确保测试的准确性和可靠性。对于安全团队而言,理解这些细节差异有助于更准确地评估系统安全状态。
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
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218