探秘DOUBLEPULSAR SMB植入体:解密C2流量的Python脚本
作者:Luke Jennings(luke.jennings@countercept.com - @jukelennings) 公司:Countercept (@countercept) 网站:https://countercept.com
在网络安全研究中,对恶意软件通讯的理解至关重要。今天,我们向大家推荐一款由Countercept团队开发的独特工具——一个用于从PCAP文件中解密DOUBLEPULSAR SMB植入体使用的C2(Command & Control)流量的Python脚本。这个脚本利用了简单的4字节异或加密,并且可以从首次非ping包中的SESSION_SETUP参数中直接揭示XOR密钥,从而解密所有流量。
项目介绍
这是一个早期版本的项目,它依赖于网络包中的特定组件来工作,并已针对DLL注入功能进行了测试。理想情况下,应提供只包含单个命令的PCAP文件来获得最佳结果。项目内附有一个用于测试的PCAP文件,该文件是在目标机器上通过DLL注入命令将标准Windows DLL wininet.dll 注入到运行的calc.exe进程中捕获的。解密后的输出也存储在仓库中,包含了4885字节的shellcode和与wininet.dll逐字节匹配的内容。
技术分析
脚本的核心是基于一个事实,即在初始的非ping包中存在连续四个零字节,这使得我们可以轻松提取出解密所需的XOR密钥。Python-pcapng库是该项目的一个关键依赖,它允许我们处理和解析PCAPNG格式的数据包捕获文件。
使用方法简单,只需安装python-pcapng库并通过命令行调用decrypt_doublepulsar_traffic.py脚本:
root@kali:~# pip install python-pcapng
root@kali:~# python decrypt_doublepulsar_traffic.py --pcapng inject-dll-wininet-into-calc.pcapng --output decrypted_data.bin
应用场景
对于网络安全研究人员和渗透测试人员来说,这款工具可以帮助他们深入理解DOUBLEPULSAR攻击的方法和手段。它可以用于分析受感染系统的C2通信,揭示潜在的恶意活动,甚至可能帮助研究人员发现新的漏洞和对抗策略。
此外,它还为教育和训练提供了实用案例,让学生和专业人士能够亲自实践如何解析复杂的恶意软件通信。
项目特点
- 简单高效:利用易识别的网络包特征进行解密。
- 针对性强:专注于解密DOUBLEPULSAR SMB植入体的C2流量。
- 可扩展性:虽然目前仅测试于DLL注入功能,但其基本原理可能适用于其他类似加密方式的恶意软件。
- 易于使用:依赖项明确,命令行接口简洁明了。
如果你热衷于网络安全研究,或者希望深入了解DOUBLEPULSAR的运作机制,那么这款工具无疑是一个不可多得的资源。立即尝试并加入我们的行列,探索网络世界的隐蔽角落。
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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-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
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