r77-rootkit项目中NtQueryDirectoryFile钩子的隐藏文件处理缺陷分析
2025-07-06 22:15:04作者:史锋燃Gardner
背景介绍
在Windows系统内核级rootkit开发中,文件隐藏是一个基础而重要的功能。r77-rootkit项目通过挂钩NtQueryDirectoryFile系统调用实现了文件隐藏功能。然而,在特定情况下,该实现存在一个会导致文件列表显示异常的缺陷。
问题现象
当满足以下条件时,会出现文件列表显示异常:
- 目标目录中包含多个文件
- 第一个文件被标记为隐藏
- 使用命令行工具dir进行文件列表查询
- 查询模式为单次返回单个条目(returnSingleEntry=TRUE)
在这种情况下,所有后续文件都会被错误地隐藏,即使它们本身并没有被标记为隐藏属性。
技术原理分析
NtQueryDirectoryFile是Windows内核中负责目录枚举的核心函数。r77-rootkit通过挂钩此函数实现了文件隐藏功能。其基本工作原理是:
- 调用原始NtQueryDirectoryFile获取文件信息
- 检查返回的文件是否在隐藏列表中
- 如果是隐藏文件,则跳过该条目
在正常情况下,这个机制工作良好。但在returnSingleEntry模式下,处理逻辑存在缺陷:
- 当第一个文件是隐藏文件时,钩子函数会立即返回STATUS_NO_MORE_FILES状态
- 这导致枚举过程提前终止,后续文件无法被列出
- 而使用通配符*.*时能正常工作,是因为第一个返回的条目是"."目录项
影响范围
该缺陷主要影响以下环境:
- Windows Server 2012系统
- 使用传统命令行工具(dir)进行文件枚举
- 使用特定通配符模式(*.txt等)查询
在较新的Windows版本(如Server 2019)上不会出现此问题,因为这些系统默认使用NtQueryDirectoryFileEx进行目录枚举。
解决方案
r77-rootkit在1.5.3版本中修复了此问题,主要修改包括:
- 正确处理returnSingleEntry参数
- 优化单条目返回模式下的处理逻辑
- 确保枚举过程不会因为遇到隐藏文件而提前终止
修复后的实现能够正确处理各种文件枚举场景,包括:
- 命令行工具查询
- 资源管理器浏览
- 各种通配符模式
技术启示
这个案例展示了rootkit开发中几个重要的技术要点:
- 系统调用挂钩需要考虑所有可能的调用模式
- 文件系统过滤需要处理各种枚举场景
- 不同Windows版本可能使用不同的API实现相同功能
- 测试覆盖需要包含各种边界条件
对于安全研究人员而言,理解这些底层机制不仅有助于开发防御方案,也能更好地检测和分析恶意rootkit的行为特征。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
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++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
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++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220