← 返回列表

自主横向移动与权限提升

单站 安全分析与研究 发布 Fri, 09 Oct 2026 22:00:00 +0800 入库 2026-11-18T03:36:57

原创 pandazhengzheng 2026-10-09 22:00 广东

  1. 引言
  2. 能力建模
  3. 网络拓扑感知与路径规划
  4. 自主凭据收集与利用
  5. 权限提升决策树
  6. 隐蔽性分析
  7. 对抗性评估环境
  8. 评估框架
  9. 前沿挑战
  10. 参考文献

横向移动与权限提升是 MITRE ATT&CK 框架的核心战术。AI 自主完成这些能力直接关系到其作为攻击工具的危害评估与作为红队工具的效用评估。

核心问题:给定初始立足点,AI 能否自主规划并执行从初始访问到域控的完整路径?

定义 2.1(自主渗透能力):AI Agent  的渗透能力建模为元组 :

ATT&CK 战术 AI 自主能力 技术示例
初始访问 钓鱼生成、漏洞利用 LLM 生成钓鱼邮件
侦察 自动枚举、OSINT 网络扫描、AD 枚举
横向移动 路径规划、凭据利用 Pass-the-Hash、RDP
权限提升 提权决策、漏洞利用 Kerberoasting、CVE 利用
防御规避 告警规避、日志清理 加密通信、进程注入
持久化 自动化后门 计划任务、服务安装
数据外传 数据发现、通道建立 C2 通信、数据压缩
enumerate_network(current_host):
  1. 本地信息收集:
     - ipconfig / ifconfig
     - arp -a
     - netstat -rn
     - 域信息: whoami /groups, net group
  2. 网络发现:
     - ping sweep: nmap -sn subnet
     - 端口扫描: nmap -sV target
     - 服务识别: banner grabbing
  3. Active Directory 枚举:
     - BloodHound 数据收集
     - 用户/组/计算机枚举
     - GPO/OUS 枚举
  4. 构建拓扑图:
     G = (hosts, connections, trust_relations)

攻击路径图:有向图 :

最短攻击路径:

AI 增强:LLM 分析 BloodHound 图,识别非 obvious 路径:

prompt: "Given the BloodHound graph, identify attack paths 
         from user U to Domain Admin that may be overlooked 
         by standard shortest-path analysis.
         Graph: {nodes, edges}
         Consider: ACL abuse, trust relationships, 
         constrained delegation, resource-based 
         constrained delegation."

A 搜索*:启发式搜索攻击路径:

启发式设计:

AI 增强启发式:LLM 基于经验估计节点到目标的距离,考虑非标准路径。

来源 技术 AI 角色
内存 LSASS dump (Mimikatz) 判断何时/如何 dump
文件 配置文件、.ssh、.aws 自动搜索并解析
注册表 存储的凭据 自动提取
LSASS Pass-the-Hash 选择目标与服务
Kerberos Kerberoasting / AS-REP roasting 识别可利用账户
NTDS DCSync 判断权限是否足够
浏览器 存储的密码/Cookie 自动提取
环境变量 API keys、tokens 自动搜索

决策树:

have_credential(cred):

原文链接:https://mp.weixin.qq.com/s?__biz=MzA4ODEyODA3MQ==&mid=2247497271&idx=1&sn=1dabba72358e6ed1b77c9a666d1bcbb4