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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0115- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoT-SFTenseNova U1 是一系列全新的原生多模态模型,它在单一架构内实现了多模态理解、推理与生成的统一。 这标志着多模态AI领域的根本性范式转变:从模态集成迈向真正的模态统一。SenseNova U1模型不再依赖适配器进行模态间转换,而是以原生方式在语言和视觉之间进行思考与行动。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00