新闻详情

新闻详情

首页 / 资讯中心 / 详情

makin高级使用技巧:监控LdrLoadDll、NtQueryInformationProcess等关键API调用

发布时间:2026/11/1 19:54:19来源:尧图网络
makin高级使用技巧:监控LdrLoadDll、NtQueryInformationProcess等关键API调用
makin高级使用技巧监控LdrLoadDll、NtQueryInformationProcess等关键API调用【免费下载链接】makinmakin - reveal anti-debugging and anti-VM tricks [This project is not maintained anymore]项目地址: https://gitcode.com/gh_mirrors/ma/makinmakin是一款强大的反调试和反虚拟机检测工具专门用于揭示恶意软件样本中使用的调试器检测技术。通过钩住关键系统APImakin能够实时监控和分析程序行为帮助安全研究人员快速识别恶意代码的反调试技巧。本文将深入探讨makin的高级使用技巧特别是如何有效监控LdrLoadDll、NtQueryInformationProcess等关键API调用。 makin核心工作原理解析makin的核心机制是通过调试器加载目标程序并注入一个特殊的DLL模块asho.dll来钩住关键的系统API函数。这个注入的DLL会重命名所有DLL文件以防止检测然后监控ntdll.dll和kernelbase.dll中的特定函数调用。当被监控的API被调用时makin会检查参数并发送相应的消息给调试器从而揭示恶意软件使用的各种反调试和反虚拟机技术。更棒的是makin还能为IDA Pro生成脚本在检测到的API处设置断点方便进一步分析。 关键API监控技巧详解1. LdrLoadDll监控技巧LdrLoadDll是Windows系统中动态链接库加载的核心函数恶意软件经常利用它来检测调试器的存在。makin通过钩住NtCreateFile函数来间接监控LdrLoadDll的调用。工作原理makin在asho/hookFunctions.h中实现了NtCreateFile的钩子函数当程序尝试加载DLL时会先调用NtCreateFile打开DLL文件makin检查打开的文件名是否与当前进程的可执行文件相同如果检测到程序尝试以独占方式打开自身文件就会触发反调试检测配置技巧 在makin/makin.cpp中makin维护了一个DLL加载列表当检测到特定DLL被加载时会自动记录LdrLoadDll反调试技巧的使用。2. NtQueryInformationProcess深度监控NtQueryInformationProcess是恶意软件检测调试器最常用的API之一。makin能够监控该函数的多个关键信息类监控的信息类包括ProcessDebugPort进程调试端口恶意软件通过查询此信息检测是否被调试ProcessDebugObjectHandle进程调试对象句柄检测是否存在调试对象ProcessDebugFlags进程调试标志检查调试标志状态反制措施 在asho/hookFunctions.h的HookNtQueryInformationProcess函数中makin会调用原始函数获取真实信息检查ProcessInformationClass参数如果检测到调试相关的查询返回伪造的数据如将调试端口设为0输出详细的检测日志供分析3. NtOpenProcess监控与进程检测NtOpenProcess常用于检测特定进程的存在特别是虚拟机相关进程。makin的监控机制监控流程获取目标进程ID对应的进程名与预定义的进程黑名单对比来自checks.json如果匹配到虚拟机相关进程如vmwaretray.exe、vmtoolsd.exe等记录可疑行为配置扩展 您可以轻松扩展监控列表只需在checks.json的Processes数组中添加新的进程名即可。4. 其他关键API监控makin还监控以下重要APIntdll.dll相关NtClose检测无效句柄和受保护句柄的关闭尝试NtSetDebugFilterState监控调试过滤器状态设置NtQuerySystemInformation检测内核调试器NtSetInformationThread监控线程隐藏调试器操作kernelbase.dll相关IsDebuggerPresent经典的调试器检测函数CheckRemoteDebuggerPresent远程调试器检测SetUnhandledExceptionFilter异常处理相关检测⚙️ 高级配置与自定义技巧自定义检测规则makin的检测规则完全可配置通过编辑checks.json文件您可以扩展虚拟机检测在Registry部分添加新的注册表键值检查增加文件系统检测在FileSystem/Files数组中添加虚拟机相关文件路径添加进程监控在Processes数组中添加新的进程名自定义虚拟设备检测在VirtualDevices数组中添加设备名称实时监控配置makin支持实时监控配置您可以通过以下方式优化监控选择性钩子在asho/hook.h的HookFuncs函数中注释掉不需要的钩子性能调优根据目标程序的特性调整监控粒度日志级别通过修改输出格式控制日志详细程度️ 实战应用场景场景一分析混淆的恶意软件当面对高度混淆的恶意软件时makin可以帮助您快速识别程序使用的反调试技术类型定位关键检测代码的位置生成IDA Pro脚本自动设置断点分析程序在不同环境下的行为差异场景二逆向工程辅助在逆向工程过程中makin可以作为强大的辅助工具自动检测程序中的反调试保护提供绕过建议和参考实现帮助理解程序的自我保护机制加速漏洞分析和利用开发场景三安全产品测试对于安全产品开发者makin可用于测试安全产品的反调试能力验证防护机制的有效性开发新的检测和防护技术进行安全产品的对比测试 监控结果分析与解读makin的输出结果包含丰富的信息API调用上下文显示哪个API被调用及其参数检测类型明确标识检测到的反调试技术类型参考链接提供相关技术文档的参考时间戳记录检测发生的时间点分析技巧关注高频出现的API调用模式注意程序启动初期的检测行为分析不同运行环境下的行为差异结合静态分析结果进行验证 故障排除与优化建议常见问题解决钩子失效检查目标程序是否使用了直接系统调用误报问题调整检测阈值和规则性能问题减少不必要的API监控兼容性问题确保系统版本和架构匹配性能优化建议选择性监控只钩住最关键的API函数异步处理将日志输出改为异步方式内存优化及时释放不再需要的资源缓存机制缓存频繁使用的检测结果 进阶技巧与最佳实践技巧一结合动态分析工具将makin与以下工具结合使用x64dbg/x32dbg实时调试和分析Process Monitor监控文件、注册表操作API Monitor全面的API调用监控技巧二自动化分析流程通过脚本自动化makin的使用批量分析多个样本自动生成分析报告集成到CI/CD流水线定期更新检测规则技巧三自定义检测模块基于makin的架构您可以添加新的API钩子实现自定义的检测逻辑扩展输出格式和内容集成到其他安全工具链中 监控效果评估指标评估makin监控效果的几个关键指标检测覆盖率能够检测的反调试技术类型误报率正常API调用被误判的比例性能开销对目标程序运行速度的影响稳定性长时间运行的可靠性兼容性对不同Windows版本和架构的支持 未来发展方向makin作为一个开源的反调试检测工具未来可以在以下方向继续发展更多API支持扩展监控的API范围智能分析加入机器学习算法识别新的反调试技术可视化界面提供图形化的监控和分析界面云集成支持云端规则更新和样本分析社区贡献建立活跃的开发者社区 总结与建议makin作为一款专业的反调试检测工具在监控LdrLoadDll、NtQueryInformationProcess等关键API调用方面表现出色。通过本文介绍的高级使用技巧您可以更深入地理解makin的工作原理掌握关键API的监控方法学会自定义和扩展检测规则将makin应用到实际的安全分析工作中记住有效的反调试检测需要结合静态分析和动态监控makin为您提供了一个强大的动态监控平台。通过不断实践和探索您将能够更有效地分析和对抗复杂的恶意软件保护机制。最后提醒makin项目目前不再维护但在其基础上进行二次开发和定制仍然具有很高的实用价值。建议在使用过程中注意安全性和稳定性并根据实际需求进行适当的修改和优化。【免费下载链接】makinmakin - reveal anti-debugging and anti-VM tricks [This project is not maintained anymore]项目地址: https://gitcode.com/gh_mirrors/ma/makin创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/1 1:42:41

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/1 2:34:07

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/1 2:01:57

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/1 3:13:10

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/1 2:11:52

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/1 3:23:38

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉