BOFHound 使用教程
2024-09-22 22:10:53作者:齐添朝
1、项目介绍
BOFHound 是一个开源项目,旨在将来自 TrustedSec's ldapsearch BOF、pyldapsearch 和 Brute Ratel's LDAP Sentinel 等工具的日志文件转换为 BloodHound 兼容的 JSON 格式。这使得操作员能够在使用 BloodHound 的界面进行操作的同时,完全控制 LDAP 查询的执行方式和速度。
2、项目快速启动
安装
您可以通过以下命令来安装 BOFHound:
pip3 install bofhound
或者,您可以从 GitHub 仓库克隆项目并手动安装:
git clone https://github.com/fortalice/bofhound.git
cd bofhound
pip3 install .
使用示例
以下是一些使用 BOFHound 的基本示例:
-
将 Cobalt Strike 日志中的 BOF 结果解析到
/data/目录:bofhound -o /data/ -
解析 pyldapsearch 日志,并包含所有属性(而不是仅包含常用属性):
bofhound -i ~/pyldapsearch/logs/ --all-properties -
解析来自 BRc4 日志的 LDAP Sentinel 数据:
bofhound --brute-ratel ldapsearch
3、应用案例和最佳实践
BOFHound 在 Active Directory 侦察和攻击路径分析中非常有用。以下是一些应用案例和最佳实践:
- 在手动枚举 AD 对象时,使用 BOFHound 解析 LDAP 查询结果,以便在 BloodHound 中进行可视化分析。
- 在进行渗透测试或红队演习时,使用 BOFHound 避免触发检测机制,同时利用 BloodHound 的界面进行数据分析和攻击路径规划。
- 将 BOFHound 与其他侦察工具(如 SharpHound)结合使用,以获取更全面的信息。
4、典型生态项目
以下是与 BOFHound 相关的一些典型生态项目:
- BloodHound: 一个用于分析 Active Directory 的开源工具,用于识别潜在的攻击路径。
- SharpHound: 一个用于收集 Active Directory 信息并生成攻击图的工具。
- TrustedSec's BOFs: TrustedSec 提供的一系列用于侦察 Active Directory 的工具,包括 ldapsearch BOF、pyldapsearch 和 LDAP Sentinel。
- Cobalt Strike: 一个用于渗透测试和红队演习的工具,具有强大的攻击功能。
通过使用这些工具和 BOFHound,您可以更有效地进行 Active Directory 侦察和攻击路径分析。
登录后查看全文
热门项目推荐
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler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。
C
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220