BloodHound.py与BloodHound-CE.py共存方案解析
2025-07-04 08:48:07作者:齐添朝
在Active Directory安全评估领域,BloodHound工具家族一直占据重要地位。作为Python实现的BloodHound.py和其社区版BloodHound-CE.py都是安全研究人员常用的工具,但长期以来存在一个困扰用户的技术难题——这两个工具无法在同一系统环境中共存。
共存问题的技术背景
传统安装方式下,当用户通过pip直接安装这两个工具时,会产生包名冲突。这是因为两个项目在Python包索引中都注册了相似的名称,导致后安装的版本会覆盖先安装的版本。这种限制给需要同时使用两个工具版本的安全研究人员带来了诸多不便。
解决方案:使用pipx工具管理
经过项目维护者的更新,现在可以通过pipx这一专业的Python应用包管理工具实现两个版本的和平共存。pipx的设计初衷就是解决这类Python应用隔离问题,它为每个工具创建独立的虚拟环境,避免依赖冲突。
具体实现步骤如下:
- 首先需要安装pipx工具,这是Python生态中专门用于管理命令行工具的工具
- 使用pipx分别安装两个版本:
pipx install bloodhound安装原始版本pipx install bloodhound-ce安装社区版本
安装完成后,系统将同时存在两个独立命令:
bloodhound-python对应原始BloodHound.pybloodhound-ce-python对应社区版BloodHound-CE.py
技术实现原理
pipx通过为每个工具创建隔离的虚拟环境来解决依赖冲突问题。每个虚拟环境包含工具自身的所有依赖,互不干扰。这种方式不仅解决了BloodHound两个版本的共存问题,也是管理其他可能产生冲突的Python命令行工具的最佳实践。
实际应用建议
对于Active Directory安全评估工作,建议安全团队:
- 统一采用pipx作为Python安全工具的管理方案
- 在自动化脚本中明确使用完整命令名(
bloodhound-python或bloodhound-ce-python) - 定期更新两个版本以获取最新功能和安全修复
这种方案不仅解决了工具共存问题,还提高了安全工具管理的规范性和可维护性,是专业安全团队值得采纳的技术实践。
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
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
暂无简介
Dart
680
160
🔥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
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
660