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 StartedRust074- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
689
4.46 K
Ascend Extension for PyTorch
Python
544
668
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++
955
928
Claude 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 Started
Rust
415
74
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
407
323
昇腾LLM分布式训练框架
Python
146
172
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
650
232
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!
C
1.08 K
564
🎉 (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
1.59 K
925
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
642
292