❿⁄₁₄ ⟦ OSCP ⬖ 研记 ⟧ 密码攻击实践 ➱ 传递Net-NTLMv2哈希

Ne0inhk

15 Mar 2026 — 2 min read

郑重声明：本文所涉安全技术仅限用于合法研究与学习目的，严禁任何形式的非法利用。因不当使用所导致的一切法律与经济责任，本人概不负责。任何形式的转载均须明确标注原文出处，且不得用于商业目的。

🔋 点赞 | 能量注入 ❤️ 关注 | 信号锁定 🔔 收藏 | 数据归档 ⭐️ 评论 | 保持连接💬

🌌 立即前往 👉晖度丨安全视界🚀

▶ 信息收集
▶ 漏洞检测
▶ 初始立足点
▶ 权限提升
▶ 横向移动 ➢ 密码攻击 ➢ 传递Net-NTLMv2哈希🔥🔥🔥
▶ 报告/分析
▶ 教训/修复

目录

1.1 破解Windows哈希实践

1.1.4 传递Net-NTLMv2哈希概述

1.1.4.1 攻击背景

1.1.4.2 攻击流程

1.1.4.3 UAC远程限制与中继攻击关系解析

1.UAC（用户账户控制）远程限制

2.中继攻击（Relay Attack）

3.UAC限制与中继攻击的关联

1.1.5 传递Net-NTLMv2哈希实践

1.1.5.1 攻击流程图

1.1.5.2 使用ntlmrelayx捕获与中继

1.1.5.3 设置反向Shell监听器

1.1.5.4 触发SMB连接

1.1.5.5 在ntlmrelayx的终端下看到中继到FILES02

1.1.5.6 在Netcat监听器捕获到FILES02的反向shell

1.1.6 现实环境限制：UAC远程限制的影响

1.1.6.1 UAC远程限制的影响

1.1.6.2 攻击成功条件

欢迎❤️ 点赞 | 🔔 关注 | ⭐️ 收藏 | 💬 评论

1.密码破解

1.1 破解Windows哈希实践

核心攻击场景：本文介绍第三种：获取并破解Net-NTLMv2哈希。

攻击类型	目标哈希	手法简介
获取并破解NTLM哈希	🗝️ NTLM哈希	从内存或SAM数据库中提取哈希，并用工具（如Hashcat）破解
传递NTLM哈希	🗝️ NTLM哈希	直接使用哈希进行身份验证，绕过密码需求
获取并破解Net-NTLMv2哈希	🔐 Net-NTLMv2哈希	通过中间人或欺骗获取挑战-响应包，离线破解
传递N

Read more

如何通过 3 个简单步骤在 Windows 上本地运行 DeepSeek

如何通过 3 个简单步骤在 Windows 上本地运行 DeepSeek

它是免费的——社区驱动的人工智能💪。当 OpenAI 第一次推出定制 GPT 时，我就明白会有越来越多的人为人工智能做出贡献，并且迟早它会完全由社区驱动。但从来没有想过它会如此接近😂让我们看看如何在 Windows 机器上完全免费使用第一个开源推理模型！步骤 0：安装 Docker 桌面我确信很多人已经安装了它，所以可以跳过，但如果没有 — — 这很简单，只需访问Docker 的官方网站，下载并运行安装 👍 如果您需要一些特定的设置，例如使用 WSL，那么有很多指导视频，请查看！我将继续下一步。步骤 1：安装 CUDA 以获得 GPU 支持如果您想使用 Nvidia 显卡运行 LLM，则必须安装 CUDA 驱动程序。（嗯……是的，它们需要大量的计算能力）打开CUDA 下载页面，

在 VSCode 中本地运行 DeepSeek，打造强大的私人 AI

在 VSCode 中本地运行 DeepSeek，打造强大的私人 AI

本文将分步向您展示如何在本地安装和运行 DeepSeek、使用 CodeGPT 对其进行配置以及开始利用 AI 来增强您的软件开发工作流程，所有这些都无需依赖基于云的服务。步骤 1：在 VSCode 中安装 Ollama 和 CodeGPT 要在本地运行 DeepSeek，我们首先需要安装Ollama，它允许我们在我们的机器上运行 LLM，以及CodeGPT，它是集成这些模型以提供编码辅助的 VSCode 扩展。安装 Ollama Ollama 是一个轻量级平台，可以轻松运行本地 LLM。下载Ollama 访问官方网站：https://ollama.com * 下载适合您的操作系统（Windows、macOS 或 Linux）的安装程序。 * 验证安装安装后，打开终端并运行： ollama --version 如果 Ollama 安装正确，

DeepSeek-R1是真码农福音？我们问了100位开发者……

DeepSeek-R1是真码农福音？我们问了100位开发者……

从GitHub Copilot到DeepSeek-R1，AI编程工具正在引发一场"效率革命"，开发者们对这些工具的期待与质疑并存。据Gartner预测，到2028年，将有75%的企业软件工程师使用AI代码助手。眼看着今年国产选手DeepSeek-R1凭借“深度思考”能力杀入战场，它究竟是真码农福音还是需要打补丁的"潜力股"？ ZEEKLOG问卷调研了社区内来自全栈开发、算法工程师、数据工程师、前端、后端等多个技术方向的100位开发者（截止到2月25日），聚焦DeepSeek-R1的代码生成效果、编写效率、语法支持、IDE集成、复杂代码处理等多个维度，一探DeepSeek-R1的开发提效能力。代码生成效果：有成效但仍需提升 * 代码匹配比例差强人意在代码生成与实际需求的匹配方面，大部分开发者（58人）遇到生成代码与实际需求完全匹配无需修改的比例在40%-70%区间，12人遇到代码匹配比例在70%-100%这样较高的区间。然而，有30人代码匹配比例低于40%。这说明DeepSeek-R1在代码生成方面有一定效果，但在部分复杂或特定场景下，仍有很大的提升空间。

AI+游戏开发：如何用 DeepSeek 打造高性能贪吃蛇游戏

AI+游戏开发：如何用 DeepSeek 打造高性能贪吃蛇游戏

文章目录 * 一、技术选型与准备 * 1.1 传统开发 vs AI生成 * 1.2 环境搭建与工具选择 * 1.3 DeepSeek API 初步体验 * 二、贪吃蛇游戏基础实现 * 2.1 游戏结构设计 * 2.2 初始化游戏 * 2.3 DeepSeek 生成核心逻辑 * 三、游戏功能扩展 * 3.1 多人联机模式 * 3.2 游戏难度动态调整 * 3.3 游戏本地保存与回放 * 3.4 跨平台移植 * 《Vue.js项目开发全程实录/软件项目开发全程实录》 * 编辑推荐 * 内容简介 * 作者简介 * 目录一、