开源推荐:Process Overwriting - PE注入的新视角
2024-05-20 09:27:11作者:农烁颖Land
开源推荐:Process Overwriting - PE注入的新视角
1、项目介绍
Process Overwriting 是一个独特的PE注入技术,它源自经典的Process Hollowing,并且吸取了Module Overloading的精髓。这个开源项目由hasherezade提供,旨在创建一种更隐蔽、更自然的进程注入方式。通过直接覆盖目标进程的原有PE文件,使得植入的PE模块看起来就像是由Windows加载器自然加载的一样。
2、项目技术分析
Process Overwriting 不像传统的Process Hollowing那样将新PE映射到新的内存区域或替换旧PE,而是直接在原进程中覆盖原有的PE数据。这带来了以下几个关键点:
- 保留原模块空间:不分配额外的内存,利用目标进程已有的内存空间进行操作。
- 模拟MEM_IMAGE映射:新PE被映射为
MEM_IMAGE类型,与正常加载的PE一样,具有正确的段访问权限和模块名称。 - 自动重定位和导入加载:借助Windows加载器,无需手动处理重定位表和导入表。
3、项目及技术应用场景
Process Overwriting 主要用于:
- 恶意软件隐藏:由于其天然的隐蔽性,可能被恶意软件开发者用于绕过安全检测。
- 安全研究:对于渗透测试和逆向工程领域,这是一种有价值的实验技术。
- 软件调试:在某些场景下,可以方便地实现在目标进程中运行不同的PE模块。
4、项目特点
优点:
- 伪装自然:新PE模块与Windows加载器加载的PE非常相似,难以区分。
- 简化注入:无需预先重新定位或填充导入表,Windows加载器会自动处理这些步骤。
- 资源效率:利用目标进程已分配的内存,不需要额外开销。
缺点:
- 不兼容GFG:如果目标进程启用了控制流保护(GFG),则无法应用该技术。
- 内存限制:目标进程的ImageSize必须大于等于新PE的ImageSize。
- 可检测性:尽管隐蔽,但工具如PE-sieve仍然可以通过比较内存中的模块和文件来检测到注入。
获取项目
你可以通过以下命令克隆该项目,包括所有子模块:
git clone --recursive https://github.com/hasherezade/process_overwriting.git
Process Overwriting 提供了一个创新的注入方法,它的独特之处在于巧妙地利用了现有内存空间并保持了自然的PE映射特性。对于任何对PE注入技术感兴趣的开发者来说,这是一个值得探索的开源项目。
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
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
685
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥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
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869