Ligolo-ng工具中SMB端口转发的技术分析与解决方案
背景介绍
Ligolo-ng是一款功能强大的隧道工具,广泛应用于渗透测试和内网横向移动场景。在实际使用过程中,用户经常需要通过该工具转发SMB(445端口)流量,以实施PetitPotam、Coercer、Responder等攻击手法。然而,许多安全研究人员在使用过程中遇到了SMB端口转发失败的问题。
问题现象分析
在典型的攻击场景中,攻击者通常拥有以下设备:
- 攻击机(Kali Linux)
- 跳板机(已植入Ligolo agent的Linux主机)
- 目标域控制器
当尝试通过Ligolo建立SMB端口转发时,常见的错误表现为:
- Ligolo代理端显示"connection refused"错误
- 虽然代理程序显示已在445端口监听,但实际连接无法建立
- 使用netcat等工具测试时连接被拒绝
根本原因
经过深入分析,发现该问题主要由以下几个因素导致:
-
目标服务监听配置不当:许多SMB相关工具(如Responder)默认监听在特定接口(如tun0)而非本地回环地址(127.0.0.1)
-
端口转发规则配置错误:用户经常混淆"监听地址"(--addr)和"目标地址"(--to)参数的配置逻辑
-
IPv4/IPv6兼容性问题:在某些Linux系统上,服务可能仅监听IPv6地址,导致IPv4连接失败
解决方案与实践验证
正确配置端口转发规则
经过多次测试验证,正确的转发规则配置应遵循以下原则:
- 确保目标服务(如Responder或smbserver)确实在指定地址和端口上监听
- 使用netcat等工具预先测试连接可达性
- 在Ligolo中配置转发规则时,--to参数必须指向实际监听的服务地址
例如,当Responder监听在tun0接口(10.10.16.53)时,正确的转发命令应为:
listener_add --addr 0.0.0.0:445 --to 10.10.16.53:445
替代方案验证
当某些工具无法正常工作时,可考虑使用替代方案:
- 使用Impacket的smbserver.py:经测试验证,该工具能够与Ligolo良好配合
python smbserver.py -smb2support share /tmp
- 明确指定监听接口:对于Responder等工具,明确指定监听接口而非依赖默认配置
技术建议与最佳实践
-
预先连接测试:在配置Ligolo转发前,务必使用netcat等工具测试目标服务的可达性
-
权限检查:确保Ligolo agent以root权限运行,以便绑定特权端口(如445)
-
网络配置审查:检查系统防火墙规则和SELinux策略,确保不会阻止端口转发
-
日志分析:充分利用Ligolo的verbose模式获取详细错误信息
-
IPv4/IPv6兼容性:对于仅监听IPv6的服务,考虑添加IPv4监听或使用兼容性配置
通过以上分析和解决方案,安全研究人员可以更有效地利用Ligolo-ng工具实现SMB协议相关攻击手法的隧道转发,提升内网渗透测试的效率。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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