DSInternals 项目教程
1. 项目介绍
DSInternals 是一个开源的 PowerShell 模块和 .NET 框架,旨在暴露 Active Directory 和 Azure Active Directory 的内部功能。该项目由 Michael Grafnetter 开发,提供了多种功能,包括 FIDO2 和 NGC 密钥审计、离线 ntds.dit 文件操作、密码审计、从 IFM 备份中恢复域控制器,以及密码哈希计算等。DSInternals 模块的主要功能是通过 PowerShell cmdlet 实现的,这些 cmdlet 构建在 DSInternals 框架之上,提供了易于使用的命令行工具。
2. 项目快速启动
2.1 安装 DSInternals 模块
DSInternals 模块可以通过 PowerShell Gallery 直接安装。以下是安装步骤:
# 安装 DSInternals 模块
Install-Module -Name DSInternals -Force
2.2 使用示例
以下是一个简单的示例,展示如何使用 DSInternals 模块进行密码质量测试:
# 导入 DSInternals 模块
Import-Module DSInternals
# 获取所有 Active Directory 账户
$accounts = Get-ADReplAccount -All -Server 'dc01.contoso.com'
# 测试密码质量
$accounts | Test-PasswordQuality -WeakPasswordHashesSortedFile 'pwned-passwords-ntlm-ordered-by-hash-v7.txt'
3. 应用案例和最佳实践
3.1 密码审计
DSInternals 模块中的 Test-PasswordQuality cmdlet 可以检查 Active Directory 密码是否存在于公开的泄露密码列表中,如 Have I Been Pwned (HIBP)。这有助于识别和修复弱密码。
3.2 离线 ntds.dit 文件操作
DSInternals 提供了对 ntds.dit 文件的离线操作功能,包括哈希转储、密码重置、组成员身份更改等。这对于灾难恢复和安全审计非常有用。
3.3 FIDO2 密钥审计
DSInternals 模块支持对 Azure Active Directory 中的 FIDO2 安全密钥进行审计,帮助管理员确保密钥的安全性和合规性。
4. 典型生态项目
4.1 Mimikatz
Mimikatz 是一个著名的工具,用于执行 pass-the-hash 攻击。DSInternals 模块可以与 Mimikatz 结合使用,提取凭据以进行进一步的攻击。
4.2 NTDSXtract
NTDSXtract 是一个用于解析 ntds.dit 文件的 Python 框架。DSInternals 提供了类似的功能,但使用 PowerShell 和 .NET 实现,更适合 Windows 环境。
4.3 Impacket
Impacket 是一个 Python 库,实现了多种 MSRPC 协议。DSInternals 提供了类似的功能,但专注于 Active Directory 和 Azure Active Directory 的内部功能。
通过这些模块和工具的结合使用,可以更全面地进行 Active Directory 和 Azure Active Directory 的安全审计和管理。
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