红队视角：用 DeadMatter 做「离线凭据提取」并规避 AV/EDR

Ots安全

2026年9月27日 13:28
广东

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

威胁简报

恶意软件

漏洞攻击

一句话速览

在授权红队演练里，直接 dump LSASS 或 拆 SAM/SYSTEM 早已是 EDR 重点盯防的动作。DeadMatter 的思路是：不跟 EDR 在 LSASS 上正面交锋，而是先用合法 DFIR 工具采集一份全内存镜像，再把解析动作搬到 EDR 看不见的地方——最终从镜像中雕刻出 NTLM 哈希、DPAPI 密钥等凭据。本文按红队视角拆解这套「离线提取 + 两阶段降噪」打法。

红队场景：直接摸 LSASS 为什么越来越难

授权渗透测试里，拿到一个域成员或普通管理员会话后，下一步通常是 Credential Access。常见打法包括：

• procdump -ma lsass.exe

或自定义 LSASS minidump
* reg.exe save

导出 SAM/SYSTEM
* Mimikatz sekurlsa::logonpasswords

这些方法的问题是：EDR 对 LSASS 读取、进程注入、异常内存访问有专门 hook，一碰就告警，演练直接翻车。

DeadMatter 提供的替代路径是：

用「合法取证工具」做内存采集（EDR 统计上更宽容），再把凭据提取挪到离线主机完成。

这样，红队在目标机上留下的不是「LSASS 读取」痕迹，而是「DFIR 内存镜像采集」痕迹——后者在不少环境里被视为正常应急响应动作。

工具简介：DeadMatter 是什么

• 语言

C#（.NET Framework）
* 定位

偏移无关（offset-independent）凭据提取工具
* 输入

全内存 raw dump、LSASS minidump、解压后的休眠文件、VM 内存文件等
* 输出

NTLM 哈希、DPAPI 主密钥/预密钥、登录会话元数据
* 核心能力

• 结构化解析

模仿 Mimikatz 的 MSV 结构解析，按 Windows 版本定位结构体
+ 签名雕刻（carving）

不依赖地址布局，在原始字节中按凭据模式找 blob，残缺镜像也能跑
+ 离线运行

把「危险动作」从被 EDR 保护的目标机移到红队可控环境

环境要求与编译

1. 编译方式（推荐从源码审计）

DeadMatter 仓库不发布预编译二进制，需要自行构建：

PS > git clone https://github.com/qsecure-labs/DeadMatter.gitPS > cd DeadMatterPS > dotnet build -c release

编译完成后，产物位于：

DeadMatter\\bin\\Release\\Deadmatter.exe

2. 预编译版本（仅限临时测试）

Hackers-Arise 作者提供了自己编译的版本，存放于 soupbone89/Compiled-Binaries。从第三方来源运行二进制有供应链风险，正式演练建议只使用自行编译的可执行文件，并在隔离环境中做哈希校验。

红队操作流程

阶段一：目标机上的采集

步骤 1：确认 Credential Guard 状态

这一步决定后面是否值得一做：

PS > Get-CimInstance -ClassName Win32_DeviceGuard -Namespace root\\Microsoft\\Windows\\DeviceGuard

复制

• 返回 {0} → Credential Guard 关闭，继续。
• 返回非零/启用 → 凭据被隔离到 LsaIso.exe（VTL1），标准内存镜像里取不到，此路不通。

企业里大量 Windows 10 Pro 和 2025 年之前的 Windows Server 仍默认关闭 Credential Guard，所以这个前置条件在实践中经常成立。

步骤 2：采集全内存

方案 A：带 GUI —— FTK Imager

1. 打开 FTK Imager。
2. 点击 Capture Memory。
3. 指定文件名和保存路径，默认设置即可。

方案 B：纯 CLI —— DumpIt

如果目标机没有图形界面，可用 DumpIt 命令行采集（GitHub 上可获取）。

步骤 3：压缩与外移

服务器内存动辄 16–32 GB，完整 raw 镜像非常大。用 7z 压缩后可从 32 GB 降到约 12 GB，再通过红队通道外传到离线解析主机。

7z a memory_dump.7z memory_dump.raw

阶段二：离线解析

默认模式：结构化 + 雕刻双管齐下

PS > .\\Deadmatter.exe -f memory_dump.raw

这条命令先跑 Mimikatz 风格的结构化解析，再对未命中的区域做签名雕刻，结果会列出与活动/近期登录会话关联的凭据。

纯雕刻模式

如果镜像不是标准 minidump、LSASS 进程边界不可定位，或只想做「无结构」恢复：

PS > .\\Deadmatter.exe -f memory_dump.raw -m carve

minidump + 显式 Windows 版本

手上只有 LSASS minidump 时，可以指定解析器和系统版本，减少偏移错误：

PS > .\\Deadmatter.exe -f lsass.dmp -m mimikatz -w WIN_10_1507 -v

• -m mimikatz

：使用 Mimikatz 结构解析路径
* -w WIN_10_1507

：锁定 Windows 10 1507 的 LSASS 布局
* -v

：verbose，输出更详细

提取 DPAPI 密钥 + IV 爆破

要尽量扩大覆盖范围（凭据 + DPAPI + 初始化向量）：

PS > .\\Deadmatter.exe -f memory_dump.raw -b -d

• -d

：启用 DPAPI 密钥提取
* -b

：对镜像做 IV 爆破搜索

这两个标志相互独立，组合使用可提升恢复率。

为什么能规避 EDR/AV

传统打法的风险在于「危险动作」和「目标主机」重叠：直接读取 LSASS → EDR hook 拦截 → 告警。DeadMatter 打法把风险拆成两段：

1. 采集阶段用合法 DFIR 工具

：FTK Imager / DumpIt 是事件响应工具，EDR 一般不会一刀切地拦截；即便拦截，告警语义也是「取证工具运行」，不是「LSASS 被 dump」。
2. 解析阶段离线完成

：DeadMatter 在攻击机或隔离沙箱里跑，EDR 完全不在路径上。
3. \\ footprint 小\\：不需要把 LSASS 单独导出为 minidump，也不需要在目标机上执行高敏感解析工具；如果直接在目标机跑 DeadMatter，它体积轻、当前不被多数 AV 签名标记。

但请注意：「更少被检测」不等于「不可检测」。成熟 EDR 会对不在白名单上的取证工具告警；大文件外传本身也是可疑行为。

关键限制：Credential Guard 是硬门槛

所以红队标准操作纪律是：采集前必须先查 Credential Guard。开着就别浪费时间，要么换路径（如 CredGuard 绕过，超出本文范围），要么换目标。

蓝队反向启示

红队视角的每个「便利点」，反过来都是蓝队加固时最值得优先考虑的点：

1. 开启 Credential Guard

：凭据不可见，整条链直接失效。
2. 取证工具白名单

：不要一刀切封禁 DFIR 工具，而是只允许清单内工具，其余告警。
3. 监控异常内存采集

：盯 FTK Imager、DumpIt 等进程的启动，以及异常大文件落盘、外传。
4. EDR 规则调优 + 行为基线

：LSASS 访问、异常进程注入、凭证导出行为仍需持续覆盖。
5. 定期红队演练

：用本文打法自测，验证告警链路真的会响。

参考来源

• Co11ateral. Digital Forensics: Evading AV/EDR During Credential Extraction with DeadMatter. Hackers-Arise, 2026-08-12. https://hackers-arise.com/digital-forensics-evading-av-edr-during-credential-extraction-with-deadmatter/
• QSecure. QSecure at BlackHat USA 2025: Introduced DeadMatter at Arsenal. 2025. https://www.qsecure.global/qsecure-at-blackhat-usa-2025-introduced-deadmatter-at-arsenal
• GitHub: qsecure-labs/DeadMatter. BSD-3-Clause. https://github.com/qsecure-labs/DeadMatter
• gengstah. DeadMatter — Offline Credential Extraction from Memory Dumps. https://gengstah.github.io/wiki/tools/deadmatter

END

公众号内容都来自国外等平台- 搜索的内容通过结合编写 -

公众号 | AnQuan7 (Ots安全)