推荐开源项目:CredPhish - 用PowerShell进行安全凭证收集

CredPhish 是一款基于PowerShell的脚本工具,其主要设计目的是模拟凭证提示并安全地获取用户的密码信息。该工具通过利用Windows内置的安全和网络功能,提供了一种高效且不易察觉的方式来执行网络安全测试。
1. 项目介绍
CredPhish巧妙地利用了微软的CredentialPicker API,它能够在用户界面上创建一个看似合法的凭证输入窗口,用于测试用户的安全意识。不仅如此,它还结合了DNS客户端服务以实现DNS通道的数据传输,并利用Windows Defender的ConfigSecurityPolicy.exe来执行GET请求,进行远程数据交互。
2. 项目技术分析
-
CredentialPicker: 这个API允许CredPhish以一种标准的方式在目标系统上弹出认证窗口,用于安全测试目的。
-
Resolve-DnsName: 利用DNS查询,CredPhish可以将测试数据伪装成正常的网络流量进行传递,增加了不易被发现的特性。
-
ConfigSecurityPolicy.exe: 利用这个内置的Windows工具,CredPhish可以在标准操作的情况下,发送GET请求到预设的URL,从而实现对测试数据的远程收集。
3. 项目及技术应用场景
CredPhish 对于安全研究人员和渗透测试者来说是一个有价值的工具,他们可以通过模拟真实的网络安全测试场景,评估组织的安全防护措施以及员工的安全意识。此外,对于教育领域,CredPhish也可以作为学习网络防御和安全攻防战的实践案例。
4. 项目特点
-
易用性:CredPhish是用PowerShell编写,易于理解和修改,适合那些有一定编程基础的使用者。
-
不易察觉:借助内置系统工具进行数据交换,降低被误报的风险。
-
灵活性高:支持多种方式的数据收集和传输,可以根据具体需求定制测试策略。
要深入了解CredPhish的详细操作方法,请参阅Black Hills Infosec发布的文章,那里提供了完整的步骤指南和实际应用示例。
在这个开放源代码的世界里,CredPhish为你带来了新的视角,让你能够更好地了解网络安全测试的运作机制,同时提高你的网络安全防御水平。现在就加入我们,探索这个强大的工具吧!
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-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。00