探索Windows WMI的新境界:WMEye
探索Windows WMI的新境界:WMEye
项目介绍
欢迎来到WMEye的世界,一个创新的实验工具,专注于探索Windows管理 instrumentation(WMI)的潜力。这个工具设计用于实现横向移动,并利用WMI和远程MSBuild执行。它将编码或加密的shellcode上传到远程目标的WMI类属性中,创建事件过滤器,当触发时,通过特殊WMI类LogFileEventConsumer编写基于MSBuild的Payload,然后远程执行该payload。
项目技术分析
WMEye的核心功能在于它的无文件横向移动策略,利用WMI进行操作。它首先创建远程WMI类,然后在其中存储shellcode。接着,它设置一个事件过滤器,当powershell.exe进程启动时,触发LogfileEventConsumer,这会将MSBuild Payload上传到远程系统。最后,调用Win32_Process Create以远程执行MSBuild。有趣的是,MSBuild Payload会从WMI类属性中获取解码并执行的shellcode。
项目及技术应用场景
WMEye适用于安全研究人员、渗透测试人员以及任何希望深入了解Windows系统内核安全的人士。它可以与Cobalt Strike的Execute-Assembly功能结合使用,模拟真实环境下的攻击场景。此外,由于其无文件的特点,使其在不留下明显痕迹的情况下进行横向移动,成为红队操作中的有力工具。
项目特点
- 独特的shellcode存储方式:WMEye将编码的shellcode存储在远程机器的伪造WMI类属性中,提供了一种新颖的隐蔽方法。
- 巧妙的Payload传输:利用LogFileEventConsumer而不是直接通过
win32_process Create来启动PowerShell,降低了被检测的可能性。 - 未来规划:WMEye计划改进Payload的执行方法,添加GZIP压缩,支持NTLM PTH以及清理功能,以提高效率和安全性。
预览效果
查看项目的预览动画,wmeye.gif,你可以直观地看到WMEye的工作流程。
注意事项
WMEye目前处于实验阶段,尚未达到实际应用的标准。但在深入研究和理解Windows系统安全方面,它已经是一个强大的学习资源。
致谢
WMEye的灵感来源于Fireeye的一份研究报告,感谢他们的宝贵贡献。
想要挑战WMI的边界,掌握高级的安全技巧吗?WMEye是你的不二选择。立即加入,一起探索这个奇妙的技术领域吧!
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00