Skip to main content

red-team-ai

AI驱动的红队实战指南 — 基于《Redefining Hacking》作者Omar Santos(DEF CON Red Team Village联合创始人)方法论。覆盖AI辅助侦察、智能漏洞利用、C2隐蔽通道、后渗透、AD攻击、RAG漏洞挖掘。

Source facts

Repository
Kur1sulab/blackbox
Last source activity
August 12, 2026 at 15:05
Detected SKILL.md language
Chinese
Stars
3
Forks
1

Install options

The review-first prompt is selected by default. You can switch to a direct command or download a local copy.

Review the source files

Read SKILL.md and any companion files shown by SkillsMP before deciding whether to install.

File Explorer
2 files

Showing SKILL.md

SKILL.md
Source instructions · Read-only preview
name
red-team-ai
description
AI驱动的红队实战指南 — 基于《Redefining Hacking》作者Omar Santos(DEF CON Red Team Village联合创始人)方法论。覆盖AI辅助侦察、智能漏洞利用、C2隐蔽通道、后渗透、AD攻击、RAG漏洞挖掘。
user-invocable
true
# Red Team AI — AI驱动的红队实战 > 基于 Omar Santos《红队实战指南:AI驱动的渗透测试、红队评估和漏洞挖掘》(2026) ## 路由 | 任务 | 调用 | |------|------| | AI辅助信息收集 | → §1 Recon | | 智能漏洞利用 | → §2 Exploit | | C2与隐蔽通道 | → §3 C2 | | AD域攻击 | → §4 AD | | 后渗透 | → §5 Post-Exploit | | RAG漏洞挖掘 | → §6 RAG | --- ## §1 AI 辅助侦察 ### 1.1 智能子域名发现 ```bash # AI增强的子域名枚举 subfinder -d target.com -o subs.txt # 用 LLM 分析子域名模式,生成变体 for word in $(cat wordlist.txt); do echo "${word}.target.com" >> custom.txt done # 批量存活检测 httpx -l all_subs.txt -o live.txt -silent ``` ### 1.2 AI 指纹识别 - 用 LLM 分析响应头/HTML 识别技术栈 - 自动匹配 CVE 数据库 - 生成针对性攻击计划 ### 1.3 关键检查清单 ``` □ /actuator/health → Spring Boot □ /druid/index.html → 阿里 Druid □ rememberMe=deleteMe → Shiro □ /swagger-ui.html → API 文档 □ Server 头 → 版本泄露 □ .git/HEAD → 源码泄露 □ .env → 配置泄露 ``` --- ## §2 智能漏洞利用 ### 2.1 AI 辅助 Payload 生成 - 根据目标技术栈自动生成定制 Payload - WAF 绕过变体自动生成 - Unicode/Hex/Base64 多编码组合 ### 2.2 框架漏洞速查 | 框架 | 检测 | 利用 | |------|------|------| | Shiro | `rememberMe=deleteMe` | ysoserial | | Fastjson | DNSLog + `@type` | JNDI 注入 | | Spring Boot | `/actuator/env` | SpEL 注入 | | Ruoyi | `/common/upload` | 文件上传 CVE | | ThinkPHP | 指纹 + 版本 | 5.x RCE | ### 2.3 漏洞优先级(按成功率) ``` 1. 信息泄露(20%) → 2. 未授权访问(18%) 3. XSS(15%) → 4. SQL 注入(12%) 5. SSRF(10%) → 6. RCE(8%) ``` --- ## §3 C2 隐蔽通道 ### 3.1 C2 协议选择 | 协议 | 隐蔽性 | 适用场景 | |------|--------|---------| | HTTPS | 中 | 通用 | | DNS Tunnel | 高 | 严格出网限制 | | WebSocket | 高 | 长连接 | | MCP 协议 | 极高 | 伪装 AI API 流量 | | ICMP | 中 | 特殊环境 | ### 3.2 免杀技术 ``` □ ETW Patching □ API Unhooking □ DLL 反射加载 □ Process Hollowing □ Parent PID Spoofing □ Syscall 直调 □ OLLVM 混淆 □ memfd_create 内存执行 ``` --- ## §4 AD 域攻击 ### 4.1 攻击路径 ``` 初始入口 → 本地提权 → 域枚举 → BloodHound 路径分析 → Kerberoasting → AS-REP Roasting → DCSync → 域控 ``` ### 4.2 关键命令 ```powershell # 域枚举 net group "Domain Admins" /domain # BloodHound 采集 SharpHound.exe -c All # Kerberoasting Rubeus.exe kerberoast # DCSync mimikatz # lsadump::dcsync /domain:corp.local /user:Administrator ``` --- ## §5 后渗透 ### 5.1 持久化 ``` □ 计划任务 (schtasks) □ WMI 事件订阅 □ 注册表 Run 键 □ Windows 服务 □ DLL 劫持 □ SSH authorized_keys (Linux) □ crontab (Linux) ``` ### 5.2 横向移动 ``` □ PSRemoting / WinRM □ WMI 远程执行 □ PsExec □ RDP □ SSH 密钥信任链 □ 云助手 (阿里云 ECS RunCommand) ``` --- ## §6 RAG 漏洞挖掘 ### 6.1 RAG 流程 ``` 目标代码/文档 → 嵌入模型 → 向量数据库 → 检索相关漏洞模式 → LLM 生成测试用例 → 自动化验证 → 报告生成 ``` ### 6.2 实战应用 - 将 CVE 数据库嵌入到向量库 - 根据目标指纹检索相关历史漏洞 - AI 自动生成验证 POC - 自动编写渗透测试报告 --- > **参考**: 《红队实战指南:AI驱动的渗透测试、红队评估和漏洞挖掘》Omar Santos 等 (2026) > **MITRE ATT&CK**: T1595-T1210-T1078-T1003
View on GitHub