当前位置: 首页 > news >正文

C2远控篇CC++EXE处理减少熵值加自签名详细信息特征码源码定位

免杀对抗——第一百六十天

C2远控篇&C&C++&EXE处理&减少熵值&加自签名&详细信息&特征码源码定位

C2远控 - EXE处理-减少熵值&自签名&详细信息

  • 恶意软件会采取许多策略和技巧来从 AV 引擎的扫描中隐藏恶意软件。像shellcode加密,函数调用混淆之类的东西,像这种技术本质上是在加密和压缩数据,因此提高了数据的不可预测性/无序性,也就是提高了熵。所以我们可以根据熵值捕获文件,熵越大,数据就越有可能被混淆或加密,文件也就越有可能是恶意的,熵是一种简单有效的检测技术,但并不能完全识别所有恶意代码。因此,杀毒软件通常使用熵作为其他技术的补充,以更好地识别潜在的威胁。

  • 如何知道文件的熵值呢,我们可以参考这个项目:https://github.com/langsasec/File-Entropy-Calculator

  • 如何降低文件的熵值呢,我们可以使用Restorator这个软件:首发 Restorator 2018 v3.90 Build 1793 Full 汉化版 - 吾爱破解 - 52pojie.cn(破解版下载需谨慎)

  • 比如我们用CS生成一个原生的木马,然后看一下他的熵值:

  • 可以看到熵值是5.23,挺高的,然后这个文件我们放在火绒上肯定是杀的,我们尝试通过Restorator工具降低他的熵值,一般都是添加常用软件以及光标:

  • 然后将生成添加完毕的木马导出来查看他的熵值,发现确实减小了:

  • 但是仍然不免杀,当然这里只是演示有这种手法,至于效果可能不是那么明显

  • 当然,我们也可以加详细信息以及签名,这种方法针对绕过360的杀毒比较好:

    • 详细信息的话可以直接用刚才的工具去添加
    • 签名的话可以使用网上的工具去窃取正规软件的签名:
      1. secretsquirrel/SigThief: Stealing Signatures and Making One Invalid Signature at a Time
      2. thelostworldFree/Sign-Sacker: Sign-Sacker(签名掠夺者):一款数字签名复制器,可将其他官方exe中数字签名复制到没有签名的exe中。
  • 这里我们用第一款工具简单演示一下,输入如下命令:

python .\sigthief.py -i<正版软件名>-t<目标文件名>-o<输出文件名>

  • 然后我们就可以看到生成的文件当中有了钉钉的签名:

  • 虽然这样火绒依旧会杀,因为原生的CS木马特征实在是太明显了,但是还是有这个思路即可

C2远控 - EXE处理-特征码定位&汇编或源码修改

  • 杀毒软件最基本的原理就是通过特征码去识别是否是木马,所以我们可以尝试修改这种特征码去绕过杀毒软件

  • 但是目前的杀软都是多角度多方面去判定一个文件是否恶意,所以这个方法只是说结合之前的知识可能会有一定的效果

  • 我们用上节课的UUID加载木马来做这个实验,简单看看原理,首先生成一个木马用特征码定位工具来看杀毒杀的是哪一部分代码:

  • 可以用的特征码定位工具有:

    1. mattkretz/virtest: header-only unit test framework
    2. 类人猿特征码定位工具
  • 这里用第一个工具扫描木马的特征码:

  • 等待他扫描完毕之后,就会给出杀软查杀的特征码部分:

  • 但是这里并没有什么东西,有的可能会有明显的特征码,比如:

  • 那就可以直接到源码中修改对应的部分,替换函数或者函数回调来绕过即可,但是这个只能说是绕过一些静态免杀

http://www.cnnetsun.cn/news/172607.html

相关文章:

  • 10 个AI论文工具,助继续教育学员轻松完成写作!
  • 显存暴涨问题难追踪?Open-AutoGLM动态资源监控方案来了
  • Open-AutoGLM生产环境崩溃频发,这套自动修复配置让你彻底告别半夜救火
  • Excalidraw在自动驾驶软件模块设计中的实践
  • 基于大数据的热门音乐歌曲采集分析系统爬虫 可视化
  • Excalidraw大数据平台ETL流程可视化
  • 5个策略帮助企业成功实施YashanDB
  • 揭秘YUV:为何人眼被“欺骗”却浑然不觉
  • Excalidraw自由画笔工具的手绘感调节参数
  • 信安毕业设计创新的项目选题推荐
  • Excalidraw企业定制化开发接口(API)文档概览
  • Python中append和extend区别在哪?如何选择才不出错
  • Thinkphp和Laravel框架+vue的桂林广西旅游服务网站系统功能多_1e9t9f02-vue
  • 【高阶技术内参】:Open-AutoGLM在社交舆情监控中的4大隐秘应用场景
  • Open-AutoGLM测试自动化落地全记录(20年专家亲测方案)
  • 好写作AI:当AI成为“作者”,谁来为学术诚信把关?
  • 计算机毕业设计springboot基于BS的迎新管理和服务系统 高校新生报到一体化服务平台的设计与实现 SpringBoot+Vue 架构下的智慧迎新信息系统
  • 揭秘Open-AutoGLM基准测试工具:如何在3步内完成高精度性能评估并优化大模型响应速度
  • 【Open-AutoGLM性能基准测试全解析】:掌握AI模型评测核心技术,提升推理效率的5大关键指标
  • Cortex - A系列SoC工程代码那些事儿
  • 揭秘Open-AutoGLM集成难题:如何在7天内完成自动化适配?
  • 【Open-AutoGLM社交动态深度解析】:揭秘AI驱动社交行为分析的5大核心技术
  • 错过Open-AutoGLM你就落后了:下一代新闻引擎已到来
  • 如何用Open-AutoGLM打造每日千万级新闻推荐系统?
  • 基于Excalidraw的开源项目推荐与使用场景分析
  • Excalidraw离线使用方案:PWA应用部署指南
  • Excalidraw移动端使用体验评测与改进建议
  • 基于Django的智慧旅游系统行程分享的vue 爬虫 可视化大屏
  • 搭建单相光伏MPPT并网模型:基于2018b版本的探索与实践
  • 4 me 理论与受苦、创造、体验三层意义