Sliver项目中Windows植入程序UserAgent缺失问题分析
问题背景
Sliver是一款功能强大的红队测试框架,其Windows植入程序在特定配置下会出现网络通信失败的问题。经过分析发现,这是由于生成的植入程序中未正确设置UserAgent导致的,特别是在使用wininet驱动时,这一问题会直接导致网络通信功能失效。
问题现象
当使用Sliver生成Windows植入程序并指定wininet驱动时,程序运行时会产生以下错误信息:
failed to establish connection: failed to add request headers: HttpAddRequestHeadersW: winapi error #12150
这个错误表明在尝试添加HTTP请求头时系统调用失败,根本原因是缺少必要的UserAgent设置。
技术分析
在Sliver的源代码中,植入程序的UserAgent设置逻辑存在问题。具体来看,在binaries.go文件的第485行附近,UserAgent的返回处理不正确。当前的实现可能直接返回了一个空值或未正确处理pbC2Implant.UserAgent字段。
wininet驱动作为Windows系统的网络通信组件,对HTTP请求有严格要求。根据微软文档,HttpAddRequestHeadersW函数要求必须设置有效的UserAgent,否则会返回错误代码12150(ERROR_HTTP_INVALID_HEADER)。
解决方案
修复方案相对简单,只需修改相关代码,确保正确返回pbC2Implant.UserAgent字段值。具体修改应为将当前返回语句替换为:
return pbC2Implant.UserAgent
这一修改能确保生成的植入程序携带正确的UserAgent信息,满足wininet驱动的API要求。
影响范围
该问题影响所有使用wininet驱动的Windows植入程序,无论目标系统是哪个版本的Windows。其他驱动类型(如winhttp)可能不受此问题影响,因为它们对UserAgent的要求可能不同。
最佳实践建议
- 测试验证:在生成植入程序后,建议先在测试环境中验证其网络通信功能
- 驱动选择:根据目标环境选择合适的通信驱动,了解各驱动的特性和要求
- 日志分析:遇到网络通信问题时,首先检查植入程序的调试日志
- 版本更新:及时更新到修复该问题的Sliver版本
总结
UserAgent设置看似是一个小细节,但在特定环境下可能成为功能正常工作的关键因素。这个问题提醒我们,在开发跨平台安全工具时,需要充分考虑不同系统组件的行为差异和API要求,确保生成的植入程序在各种环境下都能可靠工作。
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