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。
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
- QQwen3-Coder-480B-A35B-InstructQwen3-Coder-480B-A35B-Instruct是当前最强大的开源代码模型之一,专为智能编程与工具调用设计。它拥有4800亿参数,支持256K长上下文,并可扩展至1M,特别擅长处理复杂代码库任务。模型在智能编码、浏览器操作等任务上表现卓越,性能媲美Claude Sonnet。支持多种平台工具调用,内置优化的函数调用格式,能高效完成代码生成与逻辑推理。推荐搭配温度0.7、top_p 0.8等参数使用,单次输出最高支持65536个token。无论是快速排序算法实现,还是数学工具链集成,都能流畅执行,为开发者提供接近人类水平的编程辅助体验。【此简介由AI生成】Python00
- KKimi-K2-InstructKimi-K2-Instruct是月之暗面推出的尖端混合专家语言模型,拥有1万亿总参数和320亿激活参数,专为智能代理任务优化。基于创新的MuonClip优化器训练,模型在知识推理、代码生成和工具调用场景表现卓越,支持128K长上下文处理。作为即用型指令模型,它提供开箱即用的对话能力与自动化工具调用功能,无需复杂配置即可集成到现有系统。模型采用MLA注意力机制和SwiGLU激活函数,在vLLM等主流推理引擎上高效运行,特别适合需要快速响应的智能助手应用。开发者可通过兼容OpenAI/Anthropic的API轻松调用,或基于开源权重进行深度定制。【此简介由AI生成】Python00
2025百大提名项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。00note-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。TSX02GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。04
热门内容推荐
最新内容推荐
项目优选









