Communitygithub.com

Análise de Abuso de ACL no Active Directory

Detecte configurações perigosas de ACL no Active Directory usando a biblioteca ldap3.

O que é Análise de Abuso de ACL no Active Directory?

Esta skill capacita agentes de IA a analisar listas de controle de acesso (ACLs) do Active Directory, identificando entradas de controle de acesso (ACEs) perigosas que podem ser exploradas por atacantes. Ela utiliza a biblioteca Python ldap3 para conectar-se a um controlador de domínio, consultar objetos AD com seu atributo `nTSecurityDescriptor`, analisar o descritor de segurança binário em formato SDDL e verificar permissões arriscadas como GenericAll, WriteDACL, WriteOwner e GenericWrite. A habilidade filtra automaticamente trustees administrativos legítimos (como Administradores do Domínio e SYSTEM), focando em usuários ou grupos não privilegiados que possuem permissões excessivas em objetos sensíveis. Os resultados incluem um relatório JSON detalhado com o caminho de ataque potencial para cada achado, permitindo que o agente auxilie na investigação de incidentes, caça a ameaças, validação de cobertura de monitoramento e geração de recomendações de remediação. A ferramenta BloodHound descobre caminhos de ataque baseados em ACLs semelhantes, e esta skill fornece uma abordagem programática e automatizada para detectar as mesmas misconfigurações diretamente via LDAP.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que Análise de Abuso de ACL no Active Directory faz?

Visão Geral

As Listas de Controle de Acesso (ACLs) do Active Directory definem permissões em objetos AD por meio de Listas de Controle de Acesso Discricionário (DACLs) que contêm Entradas de Controle de Acesso (ACEs). ACEs mal configurados podem conceder a usuários não privilegiados permissões perigosas como GenericAll (controle total), WriteDACL (modificar permissões), WriteOwner (assumir propriedade) e GenericWrite (modificar atributos) em objetos sensíveis como grupos de Administradores do Domínio, controladores de domínio ou GPOs.

Esta skill usa a biblioteca Python ldap3 para conectar-se a um Controlador de Domínio, consultar objetos com seu atributo nTSecurityDescriptor, analisar o descritor de segurança binário no formato SDDL (Security Descriptor Definition Language) e identificar ACEs que concedem permissões perigosas a entidades não administrativas. Essas misconfigurações são a base para caminhos de ataque baseados em ACL descobertos por ferramentas como o BloodHound.

Quando Usar

  • Ao investigar incidentes de segurança que exigem análise de abuso de ACL no Active Directory
  • Ao construir regras de detecção ou consultas de caça a ameaças para este domínio
  • Quando analistas de SOC precisam de procedimentos estruturados para este tipo de análise
  • Ao validar a cobertura de monitoramento de segurança para técnicas de ataque relacionadas

Pré-requisitos

  • Python 3.9 ou superior com a biblioteca ldap3 (pip install ldap3)
  • Credenciais de usuário do domínio com acesso de leitura a objetos AD
  • Conectividade de rede ao Controlador de Domínio na porta 389 (LDAP) ou 636 (LDAPS)
  • Compreensão do modelo de segurança do Active Directory e do formato SDDL

Passos

  1. Conectar ao Controlador de Domínio: Estabeleça uma conexão LDAP usando ldap3 com autenticação NTLM ou simples. Use LDAPS (porta 636) para conexões criptografadas em produção.

  2. Consultar objetos de destino: Pesquise a UO de destino ou todo o domínio por objetos, incluindo usuários, grupos, computadores e UOs. Solicite os atributos nTSecurityDescriptor, distinguishedName, objectClass e sAMAccountName.

  3. Analisar descritores de segurança: Converta o nTSecurityDescriptor binário em sua representação de string SDDL. Analise cada ACE na DACL para extrair o SID do trustee, a máscara de acesso e o tipo de ACE (permitir/negar).

  4. Resolver SIDs para entidades: Mapeie identificadores de segurança (SIDs) para nomes de conta legíveis por humanos usando consultas LDAP no domínio. Identifique SIDs conhecidos para grupos internos.

  5. Verificar permissões perigosas: Compare a máscara de acesso de cada ACE com as máscaras de bits de permissões perigosas: GenericAll (0x10000000), WriteDACL (0x00040000), WriteOwner (0x00080000), GenericWrite (0x40000000) e WriteProperty para direitos estendidos específicos.

  6. Filtrar trustees não administrativos: Exclua trustees administrativos esperados (Administradores do Domínio, Administradores da Empresa, SYSTEM, Administradores) e sinalize ACEs onde usuários ou grupos não privilegiados possuem permissões perigosas.

  7. Mapear caminhos de ataque: Para cada descoberta, documente a cadeia de ataque potencial (ex.: GenericAll em usuário permite redefinição de senha, WriteDACL em grupo permite adicionar a si mesmo ao grupo).

  8. Gerar relatório de remediação: Gere um relatório JSON com todos os ACEs perigosos, objetos afetados, trustees não administradores e etapas de remediação recomendadas.

Saída Esperada

{
  "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 no grupo Domain Admins permite adicionar membros arbitrários",
      "remediation": "Remover o ACE GenericAll para helpdesk-team em 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,

Habilidades Relacionadas