autobloody 支持哪些 BloodHound 边？14 种可利用攻击关系的详细清单

【免费下载链接】autobloodyTool to automatically exploit Active Directory privilege escalation paths shown by BloodHound项目地址: https://gitcode.com/gh_mirrors/au/autobloody

autobloody 是一款开源的Active Directory 提权自动化工具，它能直接读取 BloodHound 数据库中已发现的攻击路径，并自动执行每一步利用动作。很多安全初学者第一次接触它时都会问：autobloody 到底支持哪些 BloodHound 边（Edge）？本文为你整理当前版本支持的全部 14 种可利用攻击关系，并用通俗易懂的方式解释每条边的作用、利用方式与风险等级，帮你快速上手这个 AD 提权神器。

一、先搞懂：什么是 BloodHound 边？🕸️

BloodHound 通过 SharpHound 等采集器收集 Active Directory 环境中的对象（用户、组、计算机、域、OU、GPO 等）及其相互关系，这些关系在图形数据库中被称为边（Edge），例如：

• A -> MemberOf -> B：表示用户 A 是组 B 的成员
• A -> GenericAll -> B：表示 A 对 B 拥有完全控制权

autobloody 会调用 Neo4j 图数据库中的 Dijkstra 最短路径算法，在你拥有的源对象（Source）和想要拿下的目标对象（Target）之间找出一条成本最低、最易利用的边链，然后借助底层 bloodyAD 库自动执行攻击。相关逻辑可参考 database.py 中的路径查找实现。

💡 简单理解：BloodHound 负责"画地图找路"，autobloody 负责"沿着路自己走过去"。

二、14 种支持的 BloodHound 边：完整清单 📋

官方在 README.md 中明确列出了当前支持自动利用的全部边。为了便于记忆，我把它们分成4 大类：

🧑‍🤝‍🧑 第一类：组成员关系类（3 种）

这类边是提权链中最常见的"跳板"：攻击者通过把自己或受控账户加入 Domain Admins 等高权限组，一步跨越权限边界。执行逻辑位于 automation.py 的_addMember方法，利用完成后还会自动调用remove.groupMember进行清理还原，降低被发现的概率。

🔑 第二类：凭据获取类（4 种）

这类边的"含金量"最高：

• ForceChangePassword会强制把目标密码改成默认值AutoBl00dy123!（定义在PASSWORD_DEFAULT常量中），随后用新密码接管目标身份；
• ReadGMSAPassword会直接读取msDS-ManagedPassword属性拿到 GMSA 账户的 NT 哈希；
• DCSync与GetChanges/GetChangesAll是域渗透的王牌组合，拿到后 autobloody 会提示你用secretsdump.py离线 dump 整个域的密码哈希。

🛡️ 第三类：ACL 权限控制类（6 种）

ACL 类是攻击面最广的一类，autobloody 会根据目标类型选择不同的后续动作：

• 目标是用户或计算机时，优先尝试Shadow Credentials（影子凭据）攻击，失败则回退到强制改密（见_shadowCredentialsOrForceChange方法）；
• 目标是组或域时，先通过add.genericAll或set.owner改写 ACL，再顺势执行加成员、加 DCSync 权限等后续操作；
• 目标是OU / GPO时，通过_ownerContainer先夺所有权、再授予 GenericAll，实现容器级控制。

🏗️ 第四类：层级结构类（1 种）

Contains表示一个容器"包含"其子对象。当攻击者对一个 OU 或容器拥有写入权限时，就可以通过它影响到 OU 内继承权限的所有子对象，是横向扩展的重要路径。

三、autobloody 如何"挑选"最优攻击路径？🧠

光知道支持哪些边还不够，理解选路逻辑才能用好它。在 database.py 的_setWeight方法中，每种边都被赋予了一个bloodycost成本值，规则如下：

• 成本越低 = 越优先尝试：例如MemberOf成本为 0（无需写 LDAP，最安全），域级DCSync/GenericAll成本为 1；
• 写操作越多成本越高：如WriteOwner需要 3 次写入，成本相应提高；
• 可能影响业务的操作成本更高：如强制改密会干扰正常服务，因此ForceChangePassword的成本被设为 110000；
• 没被赋权重的边默认成本为 9999999999，等价于"不可利用"。

autobloody 会在这张加权图上运行 Dijkstra 算法，找到源到目标之间总成本最低的边链，然后按顺序执行。整个执行与回滚（cleanup）机制都封装在 automation.py 中。

⚠️ 注意：如果路径中出现了未被支持的边（例如 GPO 相关的 LinkGPO 等），autobloody 会报错提示"该路径无法由 autobloody 单独利用"，需要配合其他工具完成。

四、快速上手：一条命令跑通攻击链 🚀

安装后（pip install autobloody），配合已导入数据的 Neo4j 数据库，一条命令即可完成从"源账户"到"目标对象"的自动提权：

autobloody -p 'Password123!' --host 192.168.10.2 -dp 'neo4jP@ss' -ds 'JOHN.DOE@BLOODY.LOCAL' -dt 'BLOODY.LOCAL'

• -ds指定源对象（你拥有的账户）
• -dt指定目标对象（你想拿下的对象）
• 默认会先进入模拟模式（simulate）展示即将执行的动作，确认后输入y才会真正执行；加上-y参数可直接执行

命令行参数定义可参考 main.py。

五、使用建议与注意事项 ⚠️

1. 仅限授权测试：autobloody 是红队与安全评估工具，请务必在获得授权的环境中使用，切勿用于非法入侵；
2. 部分操作不可还原：README 明确指出，除了ForceChangePassword和setOwner之外，其他操作都会在利用后自动清理还原，但改密与夺权操作会留下痕迹；
3. 性能优化：在 Neo4j 中安装 GDS 图数据科学插件可以大幅提升路径查找速度，没有它 autobloody 会退回较慢的原生 CYPHER 查询；
4. 掌握 14 种边 = 掌握 AD 提权地图：把这张清单当作你的检查表，结合 BloodHound 的图形界面分析，你就能快速判断一条提权路径是否可以被 autobloody 全自动打通。

希望这份BloodHound 边详细清单能帮你更高效地使用 autobloody。如果你在实战中遇到"路径不可利用"的提示，不妨对照上面的分类检查一下——也许只是这条链上混入了一条暂时不支持的关系而已。

【免费下载链接】autobloodyTool to automatically exploit Active Directory privilege escalation paths shown by BloodHound项目地址: https://gitcode.com/gh_mirrors/au/autobloody