Shed - .NET 运行时检查器使用教程
1. 项目介绍
Shed 是一个用于检查 .NET 运行时的应用程序,旨在提取程序运行时的有用信息。它可以用于检查恶意软件,以便在恶意软件执行后获取其存储的信息的初步概览。Shed 的主要功能包括:
- 将 .NET 程序集注入到远程进程(包括托管和非托管进程)。
- 提取托管堆中存储的所有对象。
- 打印内存中存储的字符串。
- 以 JSON 格式保存堆的快照,以便后续处理。
- 转储内存中加载的所有模块。
2. 项目快速启动
2.1 下载和安装
首先,克隆 Shed 项目到本地:
git clone https://github.com/enkomio/shed.git
cd shed
2.2 编译项目
如果你已经安装了 Visual Studio,可以直接运行 build.bat 批处理文件进行编译。编译完成后,会在 build 文件夹中生成一个 zip 文件。
2.3 使用 Shed
Shed 是一个命令行工具,可以通过以下命令查看所有可用选项:
shed.exe --help
2.3.1 检查已运行的应用程序
要检查一个已运行的进程,需要传递进程的 PID 给 Shed:
shed.exe --pid 2356
2.3.2 检查二进制文件
要检查一个二进制文件,Shed 需要执行该文件并附加到其运行时进行检查:
shed.exe --exe malware.exe
你还可以指定在挂起进程之前等待的时间(以毫秒为单位),以便程序有足够的时间初始化其属性:
shed.exe --timeout 2000 --exe malware.exe
2.3.3 注入程序集到远程进程
Shed 可以通过 ManagedInjector 库将 .NET 程序集注入到远程进程中。要实现这一点,需要指定进程的 PID 和要注入的 exe 文件。注入程序集后,可以通过调用特定方法来激活它。
例如,要将 InjectedAssembly 注入到 PID 为 1234 的进程中,可以运行以下命令:
shed.exe --pid 1234 --exe InjectedAssembly.dll --inject
使用 --method 选项可以指定要从 InjectedAssembly.exe 调用的方法。
3. 应用案例和最佳实践
3.1 恶意软件分析
Shed 可以用于分析恶意软件,提取其在内存中存储的信息,帮助安全研究人员了解恶意软件的行为和目的。
3.2 调试和诊断
开发人员可以使用 Shed 来调试和诊断 .NET 应用程序,特别是在处理内存泄漏或性能问题时。
3.3 安全审计
安全审计人员可以使用 Shed 来检查应用程序的运行时状态,确保其符合安全标准。
4. 典型生态项目
4.1 ManagedInjector
ManagedInjector 是 Shed 依赖的一个库,用于将 .NET 程序集注入到远程进程中。它提供了强大的注入功能,是 Shed 的核心组件之一。
4.2 MDbg
MDbg 是一个 .NET 调试器,可以与 Shed 结合使用,提供更深入的调试和分析功能。
4.3 JSON.NET
Shed 使用 JSON.NET 库来处理 JSON 格式的数据,特别是在保存堆快照时。
通过以上模块的介绍和使用指南,你可以快速上手并充分利用 Shed 的功能。
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