Atomic Red Team项目中Windows攻击导航层模板的T1106技术覆盖问题分析
2025-05-22 13:10:38作者:房伟宁
在安全测试和红队演练中,MITRE ATT&CK框架的准确映射至关重要。近期发现Atomic Red Team项目的Windows攻击导航层模板存在一个值得注意的技术覆盖问题:T1106(Native API)技术虽然实际存在多个原子测试用例,但在可视化模板中却显示为空白状态。
问题本质
T1106技术涉及通过原生Windows API执行代码的技术手段,是绕过传统检测机制的重要方式。项目实际包含5个有效的原子测试用例:
- 通过CreateProcess API执行
- 使用WinPwn工具通过CreateProcess技术获取SYSTEM shell
- 使用WinPwn工具通过CreateProcess技术绑定SYSTEM shell
- 使用WinPwn工具通过命名管道模拟技术获取SYSTEM shell
- 在Go语言中通过系统调用执行Shellcode
这些测试用例覆盖了多种原生API的利用场景,从基础的进程创建到更高级的命名管道模拟技术,形成了完整的技术验证链条。
技术影响
这种可视化表示缺失会导致两个主要问题:
- 评估盲区:安全团队可能误判该技术的检测覆盖能力,认为组织缺乏相关防御措施
- 测试遗漏:红队成员可能忽略这个重要的技术验证点,导致演练不够全面
技术背景补充
Windows原生API(Native API)位于Win32 API之下,通过ntdll.dll暴露,提供了更底层的系统功能访问。攻击者常利用这些API:
- 绕过用户态Hook检测
- 执行更隐蔽的进程操作
- 实现权限提升
- 进行直接内存操作
典型的原生API包括:
- NtCreateProcess
- NtAllocateVirtualMemory
- NtCreateThreadEx
- NtProtectVirtualMemory
解决方案状态
项目维护者已确认修复此问题,确保了技术覆盖的准确可视化。这体现了开源社区响应安全需求的及时性。
最佳实践建议
对于安全团队:
- 定期验证ATT&CK导航层的准确性
- 建立原子测试与检测规则的映射关系
- 特别关注底层API调用的监控能力
对于红队成员:
- 不仅要依赖可视化导航层,还应直接查阅原子测试目录
- 深入理解原生API的各种利用方式
- 将T1106技术纳入常规测试流程
此案例也提醒我们,安全工具链的每个环节都需要持续验证,才能确保防御体系的完整性。
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
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥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
Ascend Extension for PyTorch
Python
229
259
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
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
660