Communitygithub.com

Analyse von Active Directory ACL-Missbrauch

Erkennt gefährliche ACL-Fehlkonfigurationen in Active Directory mithilfe von ldap3.

Was ist Analyse von Active Directory ACL-Missbrauch?

Diese Fähigkeit (Skill) dient der Erkennung gefährlicher Zugriffssteuerungslisten-Fehlkonfigurationen in Active Directory (AD). Sie nutzt die Python-Bibliothek ldap3, um eine Verbindung zu einem Domain Controller herzustellen, AD-Objekte mit ihrem nTSecurityDescriptor-Attribut abzufragen und die binären Sicherheitsdeskriptoren in das SDDL-Format (Security Descriptor Definition Language) zu parsen. Anschließend werden die Access Control Entries (ACEs) analysiert, um Berechtigungen wie GenericAll, WriteDACL, WriteOwner und GenericWrite zu identifizieren, die nicht-administrativen Benutzern oder Gruppen gewährt werden. Diese Fehlkonfigurationen sind die Grundlage für viele ACL-basierte Angriffspfade, die auch von Tools wie BloodHound aufgedeckt werden. Der Skill ist für Sicherheitsanalysten, SOC-Teams und Threat Hunter gedacht, die AD-Sicherheitsüberwachung verbessern, Detections-Regeln erstellen oder Incident-Responses durchführen möchten. Die Ausgabe erfolgt als JSON-Report mit den gefundenen gefährlichen ACEs, betroffenen Objekten, den nicht-administrativen Berechtigten und empfohlenen Abhilfemaßnahmen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-active-directory-acl-abuse

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Analyse von Active Directory ACL-Missbrauch?

Überblick

Active Directory Access Control Lists (ACLs) definieren Berechtigungen für AD-Objekte über Discretionary Access Control Lists (DACLs), die Access Control Entries (ACEs) enthalten. Fehlkonfigurierte ACEs können nicht-privilegierten Benutzern gefährliche Berechtigungen wie GenericAll (vollständige Kontrolle), WriteDACL (Berechtigungen ändern), WriteOwner (Besitzer übernehmen) und GenericWrite (Attribute ändern) auf sensible Objekte wie Domain-Admins-Gruppen, Domain Controller oder GPOs gewähren.

Dieser Skill verwendet die Python-Bibliothek ldap3, um eine Verbindung zu einem Domain Controller herzustellen, Objekte mit ihrem Attribut nTSecurityDescriptor abzufragen, den binären Sicherheitsdeskriptor in das SDDL-Format (Security Descriptor Definition Language) zu parsen und ACEs zu identifizieren, die nicht-administrativen Sicherheitsprinzipalen gefährliche Berechtigungen erteilen. Diese Fehlkonfigurationen sind die Grundlage für ACL-basierte Angriffspfade, die von Tools wie BloodHound entdeckt werden.

Verwendungszwecke

  • Bei der Untersuchung von Sicherheitsvorfällen, die eine Analyse von Active Directory ACL-Missbrauch erfordern
  • Bei der Erstellung von Erkennungsregeln oder Bedrohungssuche-Abfragen für diesen Bereich
  • Wenn SOC-Analysten strukturierte Verfahren für diese Analyseart benötigen
  • Bei der Validierung der Sicherheitsüberwachungsabdeckung für verwandte Angriffstechniken

Voraussetzungen

  • Python 3.9 oder höher mit der ldap3-Bibliothek (pip install ldap3)
  • Domänenbenutzeranmeldeinformationen mit Lesezugriff auf AD-Objekte
  • Netzwerkkonnektivität zum Domain Controller über Port 389 (LDAP) oder 636 (LDAPS)
  • Verständnis des Active Directory-Sicherheitsmodells und des SDDL-Formats

Schritte

  1. Verbindung zum Domain Controller herstellen: Stellen Sie eine LDAP-Verbindung mit ldap3 über NTLM oder einfache Authentifizierung her. Verwenden Sie LDAPS (Port 636) für verschlüsselte Verbindungen in der Produktion.

  2. Zielobjekte abfragen: Durchsuchen Sie die Ziel-OU oder die gesamte Domäne nach Objekten wie Benutzern, Gruppen, Computern und OUs. Fordern Sie die Attribute nTSecurityDescriptor, distinguishedName, objectClass und sAMAccountName an.

  3. Sicherheitsdeskriptoren parsen: Konvertieren Sie den binären nTSecurityDescriptor in seine SDDL-String-Darstellung. Parsen Sie jeden ACE in der DACL, um die Trustee-SID, die Zugriffsmaske und den ACE-Typ (Allow/Deny) zu extrahieren.

  4. SIDs in Prinzipalnamen auflösen: Ordnen Sie Sicherheitskennungen (SIDs) mithilfe von LDAP-Abfragen gegen die Domäne menschenlesbaren Kontonamen zu. Identifizieren Sie bekannte SIDs für integrierte Gruppen.

  5. Auf gefährliche Berechtigungen prüfen: Vergleichen Sie die Zugriffsmaske jedes ACE mit den Bitmasken gefährlicher Berechtigungen: GenericAll (0x10000000), WriteDACL (0x00040000), WriteOwner (0x00080000), GenericWrite (0x40000000) und WriteProperty für bestimmte erweiterte Rechte.

  6. Nicht-administrative Trustees herausfiltern: Schließen Sie erwartete administrative Trustees aus (Domain-Admins, Enterprise-Admins, SYSTEM, Administratoren) und markieren Sie ACEs, bei denen nicht-privilegierte Benutzer oder Gruppen gefährliche Berechtigungen besitzen.

  7. Angriffspfade abbilden: Dokumentieren Sie für jeden Fund die potenzielle Angriffskette (z. B. GenericAll auf Benutzer erlaubt Passwort-Reset, WriteDACL auf Gruppe erlaubt das eigene Hinzufügen zur Gruppe).

  8. Sanierungsbericht erstellen: Geben Sie einen JSON-Report mit allen gefährlichen ACEs, betroffenen Objekten, nicht-administrativen Trustees und empfohlenen Sanierungsschritten aus.

Erwartete Ausgabe

{
  "domain": "corp.example.com",
  "objects_scanned": 1247,
  "dangerous_aces_found": 8,
  "findings": [
    {
      "severity": "critical",
      "target_object": "CN=Domain Admins,CN=Users,DC=corp,DC=example,DC=com",
      "target_type": "group",
      "trustee": "CORP\\helpdesk-team",
      "permission": "GenericAll",
      "access_mask": "0x10000000",
      "ace_type": "ACCESS_ALLOWED",
      "attack_path": "GenericAll auf Domain-Admins-Gruppe erlaubt Hinzufügen beliebiger Mitglieder",
      "remediation": "Entfernen Sie den GenericAll-ACE für helpdesk-team auf Domain-Admins"
    }
  ]
}

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

abusing-dpapi-for-credential-access

Extract and decrypt Windows DPAPI-protected secrets (Credential Manager, browser logins/cookies, Wi-Fi credentials, KeePass keys) online or offline using SharpDPAPI, SharpChrome, Mimikatz, or Impacket

abusing-shadow-credentials-for-privesc

Take over Active Directory accounts by writing attacker-controlled public keys to msDS-KeyCredentialLink (Shadow Credentials) with pyWhisker, Whisker, or Certipy, then authenticate via PKINIT to recover the target

achieving-cmmc-level-2-compliance

>-

acquiring-disk-image-with-dd-and-dcfldd

Create forensically sound bit-for-bit disk images with dd or dcfldd on a Linux forensic workstation, preserving evidence integrity through hash verification (MD5/SHA) during acquisition. Use when imaging a suspect drive, USB device, or memory card for investigation, preserving volatile disk evidence during incident response, or producing a verified copy for legal or law-enforcement proceedings before any destructive analysis.

analyzing-android-malware-with-apktool

Perform static analysis of Android APK malware using apktool for resource decompilation, jadx for Java source recovery, and androguard for manifest inspection, dangerous permission-combination detection, and identification of obfuscated code, dynamic code loading, and reflection-based API calls. Use to statically triage a suspicious APK without executing it or to build mobile malware detection rules.

analyzing-api-gateway-access-logs

Parses API Gateway access logs (AWS API Gateway, Kong, Nginx) to detect

analyzing-apt-group-with-mitre-navigator

Query ATT&CK data with attackcti, mitreattack-python, and stix2, then build MITRE ATT&CK Navigator layers and multi-layer heatmap overlays mapping one or more APT groups

analyzing-azure-activity-logs-for-threats

Queries Azure Monitor activity logs and sign-in logs via azure-monitor-query

analyzing-bootkit-and-rootkit-samples

Analyzes bootkit and advanced rootkit malware infecting the Master

analyzing-browser-forensics-with-hindsight

Parse Chromium-based browser databases with Hindsight to extract and correlate browsing history, downloads, cookies, cached content, autofill data, saved passwords, and extensions from Chrome, Edge, Brave, Opera, and Vivaldi into a unified timeline (XLSX, JSON, or SQLite output). Use during incident response, insider-threat investigations, or criminal cases when you need to reconstruct a user

analyzing-campaign-attribution-evidence

Systematically evaluate cyber-campaign evidence to attribute an operation to a threat actor, using the Diamond Model and Analysis of Competing Hypotheses (ACH) to weigh infrastructure overlaps, TTP consistency, malware code similarity, and timing/language artifacts into confidence-weighted attribution assessments. Use when an incident investigation needs a defensible attribution confidence level.

analyzing-certificate-transparency-for-phishing

Monitor Certificate Transparency logs using crt.sh and Certstream to

analyzing-cloud-storage-access-patterns

Detect abnormal access in AWS S3, GCS, and Azure Blob Storage by analyzing CloudTrail Data Events, GCS audit logs, and Azure Storage Analytics for after-hours bulk downloads, new-IP access, and API-call spikes (e.g. GetObject) via statistical baselines and time-series anomaly detection. Use when investigating suspected cloud data exfiltration or building related detection rules.

analyzing-cobalt-strike-beacon-configuration

Extract and analyze Cobalt Strike beacon configuration from PE files

analyzing-cobaltstrike-malleable-c2-profiles

Parse and analyze Cobalt Strike Malleable C2 profiles with dissect.cobaltstrike (profiles and beacon-payload configs) and pyMalleableC2 (AST parsing) to extract HTTP/DNS transforms, URIs, headers, sleep/jitter, and injection behavior, then generate network detection signatures. Use when reverse-engineering a captured malleable profile or building detections against Cobalt Strike Beacon traffic.

analyzing-command-and-control-communication

Analyzes malware C2 communication over HTTP, HTTPS, DNS, and custom

analyzing-cyber-kill-chain

Analyzes intrusion activity against the Lockheed Martin Cyber Kill Chain

analyzing-disk-image-with-autopsy

Perform comprehensive forensic analysis of raw (dd), E01, or AFF disk images with Autopsy and The Sleuth Kit, recovering deleted files, examining metadata and embedded artifacts, keyword searching, and building investigation timelines with visual reports. Use for structured analysis of a forensic disk image or when stakeholders need visual reports from evidence.

analyzing-dns-logs-for-exfiltration

Analyzes DNS query logs to detect data exfiltration via DNS tunneling,

analyzing-docker-container-forensics

Investigate compromised Docker containers by analyzing images, layers,

Verwandte Skills