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。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00