r77-rootkit项目中NtQueryDirectoryFile钩子的隐藏文件处理缺陷分析
2025-07-06 16:09:07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
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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219