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.gsyq.cn/news/130753.html

相关文章:

  • 你真的会看Open-AutoGLM日志吗?7个致命误区正在拖垮运维效率
  • 穿透表象:在“人类在环+规则在场+语境主权”框架下重审AI元人文构想的风险与未来
  • Excalidraw与Obsidian结合构建个人知识图谱
  • 回弹仪行业深度解析:实力派生产商全名单,钢砧/重型回弹仪/一体式语音数显回弹仪/裂缝测宽仪/一体式钢筋扫描仪回弹仪品牌推荐排行 - 品牌推荐师
  • lakekeeper 基于rust 的iceberg rest catalog服务
  • 5个步骤实现YashanDB数据库的项目成功交付
  • Excalidraw在CI/CD流程可视化中的落地案例
  • 云服务器要不要加购数据盘?系统盘和数据盘到底有什么区别?
  • 计算机毕设java宠物上门服务系统 基于Java的宠物上门护理服务平台开发 Java宠物上门服务管理系统设计与实现
  • 【Open-AutoGLM兼容性测试全攻略】:掌握5大核心脚本技巧,一键解决多环境适配难题
  • MindSpore开发之路(七):优化器与模型训练——让学习真正发生
  • 好写作AI:你的论文,究竟是AI辅助还是“AI洗稿”?
  • 基于Excalidraw的开源项目推荐与使用场景分析
  • 3步实现城市级天气预警覆盖:Open-AutoGLM工程化实践分享
  • 【Open-AutoGLM资源监控实战】:掌握高效GPU内存优化的5大核心技巧
  • 智能体系统的“哨兵”与“守夜人”——为什么必须设计独立的监控 Agent
  • 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
  • 使用sheetJS在网站预览excel表格
  • 硅谷 AI 见闻:百万美金年薪背后的模型大战与创业生存之道
  • IDEA 2025.3 正式发布!一共修复了 800 多个问题!
  • 为什么顶级时尚博主都在关注Open-AutoGLM?:揭开AI搭配的稀缺逻辑
  • 基于web的数学库组卷系统的设计与实现
  • 计算机毕业设计springboot中医馆理疗项目预约系统 基于 SpringBoot 的中医理疗预约服务平台设计与实现 面向中小型医馆的 SpringBoot 理疗项目在线预约管理系统
  • 懒人长期理财的投资系统
  • Excalidraw数据库ER图设计简易方法
  • 用类正则语法创建spaCy匹配模式
  • 为什么顶级极客都在关注Open-AutoGLM?这7件配套礼物已成标配(限时抢购)
  • 爬虫刑不刑?Python 数据采集的法律边界与“防封”架构设计实战(仅供学习)
  • 探索概率整形技术在64QAM星座图整形及GMI指标输出
  • 测试过程改进的关键绩效指标设计:从量化到优化