Communitygithub.com

Analyse des abus ACL Active Directory

Détecte les mauvaises configurations dangereuses des ACL dans Active Directory à l'aide de ldap3.

Qu'est-ce que Analyse des abus ACL Active Directory ?

Cette compétence permet d'analyser les listes de contrôle d'accès (ACL) d'Active Directory afin d'identifier les entrées de contrôle d'accès (ACE) mal configurées qui pourraient être exploitées par des attaquants. Elle utilise la bibliothèque Python ldap3 pour se connecter à un contrôleur de domaine, interroger les objets AD avec leur attribut nTSecurityDescriptor, analyser le descripteur de sécurité binaire au format SDDL (Security Descriptor Definition Language) et détecter les ACE accordant des permissions dangereuses (GenericAll, WriteDACL, WriteOwner, GenericWrite) à des utilisateurs ou groupes non privilégiés. L'outil génère ensuite un rapport JSON listant les objets vulnérables, les trustees concernés, les permissions dangereuses et les chemins d'attaque potentiels, ce qui facilite la priorisation des corrections. Cette compétence est utile pour les équipes SOC, les analystes sécurité et les administrateurs Active Directory cherchant à auditer leur surface d'attaque liée aux ACL.

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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait Analyse des abus ACL Active Directory ?

Vue d'ensemble

Les listes de contrôle d'accès (ACL) d'Active Directory définissent les permissions sur les objets AD via des listes de contrôle d'accès discrétionnaires (DACL) contenant des entrées de contrôle d'accès (ACE). Des ACE mal configurées peuvent accorder à des utilisateurs non privilégiés des permissions dangereuses comme GenericAll (contrôle total), WriteDACL (modifier les permissions), WriteOwner (prendre possession) et GenericWrite (modifier les attributs) sur des objets sensibles tels que les groupes Domain Admins, les contrôleurs de domaine ou les GPO.

Cette compétence utilise la bibliothèque Python ldap3 pour se connecter à un contrôleur de domaine, interroger les objets avec leur attribut nTSecurityDescriptor, analyser le descripteur de sécurité binaire au format SDDL (Security Descriptor Definition Language) et identifier les ACE qui accordent des permissions dangereuses à des entités non administrateurs. Ces mauvaises configurations sont à la base des chemins d'attaque basés sur les ACL découverts par des outils comme BloodHound.

Quand l'utiliser

  • Lors d'investigations d'incidents de sécurité nécessitant l'analyse d'abus ACL Active Directory
  • Lors de l'élaboration de règles de détection ou de requêtes de chasse aux menaces pour ce domaine
  • Lorsque les analystes SOC ont besoin de procédures structurées pour ce type d'analyse
  • Lors de la validation de la couverture de surveillance de sécurité pour les techniques d'attaque associées

Prérequis

  • Python 3.9 ou ultérieur avec la bibliothèque ldap3 (pip install ldap3)
  • Identifiants d'utilisateur du domaine disposant d'un accès en lecture aux objets AD
  • Connectivité réseau au contrôleur de domaine sur le port 389 (LDAP) ou 636 (LDAPS)
  • Compréhension du modèle de sécurité Active Directory et du format SDDL

Étapes

  1. Connexion au contrôleur de domaine : Établir une connexion LDAP en utilisant ldap3 avec une authentification NTLM ou simple. Utiliser LDAPS (port 636) pour les connexions chiffrées en production.

  2. Interroger les objets cibles : Rechercher l'OU cible ou l'ensemble du domaine pour les objets incluant utilisateurs, groupes, ordinateurs et OU. Demander les attributs nTSecurityDescriptor, distinguishedName, objectClass et sAMAccountName.

  3. Analyser les descripteurs de sécurité : Convertir le nTSecurityDescriptor binaire en sa représentation sous forme de chaîne SDDL. Analyser chaque ACE de la DACL pour extraire le SID du trustee, le masque d'accès et le type d'ACE (autoriser/refuser).

  4. Résoudre les SID en entités : Mapper les identifiants de sécurité (SID) en noms de comptes lisibles par un humain à l'aide de requêtes LDAP sur le domaine. Identifier les SID bien connus pour les groupes intégrés.

  5. Vérifier les permissions dangereuses : Comparer le masque d'accès de chaque ACE aux masques de bits de permissions dangereuses : GenericAll (0x10000000), WriteDACL (0x00040000), WriteOwner (0x00080000), GenericWrite (0x40000000) et WriteProperty pour des droits étendus spécifiques.

  6. Filtrer les trustees non administrateurs : Exclure les trustees administratifs attendus (Domain Admins, Enterprise Admins, SYSTEM, Administrators) et signaler les ACE où des utilisateurs ou groupes non privilégiés détiennent des permissions dangereuses.

  7. Cartographier les chemins d'attaque : Pour chaque constatation, documenter la chaîne d'attaque potentielle (ex. : GenericAll sur un utilisateur permet la réinitialisation du mot de passe, WriteDACL sur un groupe permet de s'ajouter soi-même au groupe).

  8. Générer un rapport de correction : Produire un rapport JSON avec toutes les ACE dangereuses, les objets affectés, les trustees non administrateurs et les étapes de correction recommandées.

Sortie attendue

{
  "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 sur le groupe Domain Admins permet d'ajouter des membres arbitraires",
      "remediation": "Supprimer l'ACE GenericAll pour helpdesk-team sur 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,

Skills associés