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。
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GLM-V
GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement LearningPython00ops-transformer
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++0107AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile010
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









