Active Directory 攻击模拟 Agent 的 API 参考：基于 Impacket 与 ldap3 的域环境安全评估实战指南

Active Directory 攻击模拟 Agent 的 API 参考：基于 Impacket 与 ldap3 的域环境安全评估实战指南

【免费下载链接】Anthropic-Cybersecurity-Skills817 structured cybersecurity skills for AI agents · Mapped to 6 frameworks: MITRE ATT&CK, NIST CSF 2.0, MITRE ATLAS, D3FEND, NIST AI RMF & MITRE F3 (Fight Fraud) · agentskills.io standard · Works with Claude Code, GitHub Copilot, Codex CLI, Cursor, Gemini CLI & 20+ platforms · 29 security domains · Apache 2.0项目地址: https://gitcode.com/GitHub_Trending/an/Anthropic-Cybersecurity-Skills

在 Anthropic-Cybersecurity-Skills 仓库中，skills/executing-active-directory-attack-simulation技能面向获授权的 Active Directory 安全评估场景，通过 BloodHound 攻击路径分析、Mimikatz 凭据提取与 Impacket 协议级攻击（Kerberoasting、AS-REP Roasting、委派滥用等）识别可能导致域沦陷的错误配置与危险权限路径。本篇以该技能附带的 API 参考文档 为主体，结合同目录下的 agent.py 实现 与 SKILL.md 工作流，完整讲解自动化评估 Agent 的依赖选型、命令行接口、核心函数契约、输出 JSON Schema 以及底层 Impacket 模块的调用原理。读完本文，你将能够理解并运行这套 AD 攻击模拟 Agent，把 LDAP 枚举、Kerberoastable/AS-REP Roastable 账户筛查、高危组枚举与 SMB 签名检测自动化地聚合为一份结构化风险评估报告。

一、Agent 定位：从 API 参考到实战评估闭环

API 参考文档描述的是一个名为 "Active Directory Attack Simulation Agent" 的 Python 程序，它把 AD 评估中最常见、最耗时的侦察与验证步骤封装成可编程接口。该 Agent 与SKILL.md定义的完整评估流程互为表里：SKILL.md 负责"人在回路"的战术编排（BloodHound 分析、Kerberos 攻击、横向移动、提权到 Domain Admin），而 API 参考定义的 Agent 则负责把这些评估中可自动化、可复现的部分（枚举、筛选、汇总）沉淀为代码。

从源码结构看，Agent 的职责边界非常清晰（agent.py）：

1. 只做侦察与风险信号提取——不执行实际的票据伪造或 hash 破解；
2. 输出结构化 JSON 报告——供后续人工研判或 SIEM/报告系统消费；
3. 对失败操作宽容处理——例如 SMB 连接失败时返回True（保守地视为签名已要求），避免单点故障中断整体评估。

这样的设计让 Agent 既能独立运行产出报告，也能嵌入到 SKILL.md 五步工作流中充当 Step 1（侦察）与 Step 2（BloodHound 前的数据预筛）的自动化底座。

二、依赖与版本要求：两条关键依赖链

API 参考文档明确列出了两个核心依赖及其用途：

库	最低版本	用途
impacket	>=0.11.0	Kerberos 攻击、SMB 交互、DCSync
ldap3	>=2.9	对用户、组、SPN 的 LDAP 枚举

这两条依赖与 Agent 的两大能力域一一对应：

• impacket承载了网络协议层面的能力：SMBConnection用于 SMB 会话协商与签名检查，impacket.krb5.kerberosv5支撑 TGT/TGS 请求（Kerberoasting 的底层），impacket.dcerpc.v5.samr提供 SAM 远程协议的用户/组枚举；
• ldap3承载了目录信息层面的能力：以域内低权限用户身份绑定域控的 389 端口，通过Connection.search()递归（SUBTREE）查询用户对象与组对象。

源码在导入阶段就做了缺失依赖的显式拦截（agent.py）：

try: from impacket.smbconnection import SMBConnection except ImportError: sys.exit("impacket is required: pip install impacket") try: import ldap3 from ldap3 import Server, Connection, ALL, SUBTREE except ImportError: sys.exit("ldap3 is required: pip install ldap3")

安装命令即pip install impacket ldap3。需要说明的适用前提：这两个库均为跨平台纯 Python 实现，但 Agent 的运行机需要具备到达目标域控的网络通路（SKILL.md 列出的端口为 88、135、139、389、445、636、3268、3269），且持有合法的域内用户凭据。

三、CLI 用法：五个必须参数与一个可选参数

API 参考给出的标准调用方式如下：

python scripts/agent.py \ --dc-ip 10.10.10.1 \ --domain corp.local \ --username testuser \ --password 'P@ssw0rd' \ --output ad_report.json

对照 main() 的参数解析实现，各参数的语义、约束与默认值如下：

参数	必填	说明	默认值
--dc-ip	是	域控 IP 地址，同时用于 LDAP 绑定与 SMB 签名检查	无
--domain	是	域 FQDN（如corp.local），用于推导 LDAP Base DN 与绑定用户名	无
--username	是	低权限域用户名（模拟真实攻击者起点）	无
--password	是	域用户密码	无
--output	否	报告输出路径	ad_assessment.json

关于--domain值得说明一个实现细节：Base DN 并非由参数直接提供，而是通过",".join(f"DC={part}" for part in domain.split("."))从 FQDN 动态推导（agent.py）。例如corp.local会推导为DC=corp,DC=local，省去了手写 Base DN 的负担，也意味着--domain必须是标准 FQDN 形式。

主流程（main()）依次执行三步并落盘：

users = ldap_enum_users(args.dc_ip, args.domain, args.username, args.password) groups = enum_groups(args.dc_ip, args.domain, args.username, args.password) report = generate_report(users, groups, args.dc_ip)

随后将报告写入--output指定的文件（默认ad_assessment.json），并在标准输出同步打印格式化后的 JSON。

四、函数详解：五个核心接口的契约与实现

API 参考定义了五个函数，下面逐一结合源码解读其输入输出契约与底层实现。

4.1ldap_enum_users(dc_ip, domain, username, password) -> list

契约：通过 LDAP 枚举域内全部用户对象，返回字典列表，每个字典含samaccountname、spns、no_preauth、admin_count四个键。

实现要点（agent.py）：

• 以f"{domain}\\{username}"的DOMAIN\user形式绑定Server(dc_ip, get_info=ALL)；
• 使用(objectClass=user)过滤条件、SUBTREE搜索范围，仅请求sAMAccountName、servicePrincipalName、userAccountControl、memberOf、adminCount、pwdLastSet、lastLogon等属性，把 LDAP 传输负载降到最低；
• 关键的 UAC 解析逻辑：no_preauth = bool(uac & 0x400000)——这里0x400000正是DONT_REQUIRE_PREAUTH标志位，是判断账户是否可被 AS-REP Roast 的唯一依据；
• 属性缺省值做了防御性兜底（if entry.userAccountControl else 0），避免空值导致类型转换崩溃。

从数据结构看，ldap_enum_users是整个 Agent 的信息源头：后续的 Kerberoastable 筛查、AS-REP Roastable 筛查以及风险摘要全部消费它返回的列表。

4.2find_kerberoastable(users) -> list

契约：从用户列表中筛出设置了servicePrincipalName的账户——这些是impacket-GetUserSPNs进行 Kerberoasting 的目标。

实现（agent.py）：

targets = [u for u in users if u["spns"]]

即列表推导过滤spns非空的条目，逻辑极简。其背后的攻击语义是：任何拥有 SPN 的账户（典型如 SQL Server 服务账户MSSQLSvc/host:1433）都会被 AD 允许申请 TGS 票据，而 TGS 可用离线字典攻击破解出服务账户明文密码。SKILL.md 将其映射到 MITRE ATT&CK T1558.003（Kerberoasting），评估中发现的此类账户通常直接进入 CRITICAL 风险摘要。

4.3find_asrep_roastable(users) -> list

契约：筛出 UAC 标志DONT_REQUIRE_PREAUTH（0x400000）被置位的账户。

实现（agent.py）：

targets = [u for u in users if u["no_preauth"]]

直接复用ldap_enum_users阶段已经解析好的no_preauth布尔值。攻击语义：未启用 Kerberos 预认证的账户允许攻击者直接请求 AS-REP，返回的加密时间戳可离线破解（对应impacket-GetNPUsers与 hashcat 模式 18200）。源码将 UAC 位运算解析集中在上游，使得本函数保持"过滤即所得"的简洁契约。

4.4enum_groups(dc_ip, domain, username, password) -> dict

契约：查询五个高危组的成员关系，返回组名到成员 DN 列表的映射。

实现（agent.py）：

high_value_groups = [ "Domain Admins", "Enterprise Admins", "Schema Admins", "Backup Operators", "Account Operators", ]

对每个组执行(&(objectClass=group)(cn={group_name}))的 LDAP 查询并取member属性。这五个组的选择并非随意：Domain Admins / Enterprise Admins / Schema Admins 是目录森林的"皇冠宝石"，Backup Operators 与 Account Operators 则分别具备绕过权限读取备份数据与修改账户属性的能力，是权限提升链条中的高频中转站。从源码结构可以推断，该函数返回的成员数（len(members)）在报告阶段会被用于high_value_groups字段的成员计数。

4.5check_smb_signing(target_ip) -> bool

契约：连接目标 445 端口进行 SMB 协商，检查签名是否为必需。返回False表示可实施中继攻击。

实现（agent.py）：

smb = SMBConnection(target_ip, target_ip, sess_port=445, timeout=5) smb.negotiateSession() signing = smb.isSigningRequired() smb.close() return signing

这是 Agent 中唯一直接使用 impacket 运行时能力的函数。两点值得注意：

• 超时设为 5 秒，避免不可达目标长时间挂起整个评估；
• 异常路径返回True（保守默认"已要求签名"），意味着连接失败不会误报"可中继"，保证结论安全可靠。这与 SKILL.md 中对 NTLM Relay 攻击的前提判断一致：只有当 SMB 签名未强制时才可能将捕获的 NTLM 认证转发到其他服务实现提权。

4.6generate_report(users, groups, dc_ip) -> dict

契约：聚合全部发现，生成带风险摘要的 JSON 报告。

实现（agent.py）是该 Agent 的输出中枢：

report = { "assessment_date": datetime.utcnow().isoformat(), "total_users": len(users), "kerberoastable_accounts": [u["samaccountname"] for u in kerberoastable], "asrep_roastable_accounts": [u["samaccountname"] for u in asrep], "high_value_groups": {g: len(m) for g, m in groups.items()}, "dc_smb_signing_required": smb_signing, "risk_summary": [], }

风险摘要按严重度分级追加（agent.py）：

• CRITICAL：存在 Kerberoastable 账户；
• HIGH：存在无预认证账户；
• HIGH：DC 未要求 SMB 签名（可中继）。

可以看到dc_smb_signing_required的语义与check_smb_signing的返回值是取反关系：报告字段为true表示"签名已要求"（安全），为false才触发"中继可能"的高危摘要——阅读报告时切勿混淆。

五、输出 Schema：一份可机器消费的风险快照

API 参考给出的标准输出结构如下：

{ "assessment_date": "ISO-8601", "total_users": 500, "kerberoastable_accounts": ["svc-sql", "svc-web"], "asrep_roastable_accounts": ["old-account"], "high_value_groups": {"Domain Admins": 5}, "dc_smb_signing_required": true, "risk_summary": ["CRITICAL: 2 accounts are Kerberoastable"] }

对照源码逐字段说明其来源与语义：

字段	类型	来源	语义
assessment_date	string	datetime.utcnow().isoformat()	ISO-8601 格式的评估时间戳
total_users	int	len(users)	LDAP 枚举到的用户总数
kerberoastable_accounts	list	find_kerberoastable	可 Kerberoast 的账户名列表
asrep_roastable_accounts	list	find_asrep_roastable	可 AS-REP Roast 的账户名列表
high_value_groups	object	enum_groups	高危组名到成员数的映射
dc_smb_signing_required	bool	check_smb_signing	DC 是否要求 SMB 签名
risk_summary	list	规则拼接	分级风险结论列表

报告落地通过json.dump(report, f, indent=2)写入（agent.py），保证可读性。这份 Schema 的设计意图是"快照式"的：它量化了域内暴露面（账户总数、高危组规模），直接点名了需要优先处置的账户（Kerberoastable / AS-REP Roastable），并以risk_summary给出供汇报引用的结论句。

需要强调的边界：Agent 只输出"风险候选"，不输出破解后的明文密码或攻击链细节。更完整的攻击链取证（如"低权限用户 → IT-Support 组 → GenericAll 于 SVC-SQL → Kerberoast → 域控会话 → DCSync"）由 SKILL.md 定义的人工 + 工具编排流程产出，二者配合构成完整评估闭环。

六、关键 Impacket 模块：底层协议能力的调用锚点

API 参考最后列出四个底层模块，它们是理解 Agent 能力边界（以及 SKILL.md 中后续攻击步骤）的关键：

模块	用途	在评估中的角色
impacket.krb5.kerberosv5	TGT/TGS 请求函数	Kerberoasting / AS-REP Roasting 的协议底座，对应 SKILL.md Step 3 的impacket-GetUserSPNs、impacket-GetNPUsers
impacket.smbconnection.SMBConnection	SMB 协商与签名检查	本 Agent 中check_smb_signing的直接依赖；同时支撑 PtH/PtT 横向移动中的impacket-psexec
impacket.dcerpc.v5.samr	SAM 远程协议的用户/组枚举	传统 Windows 协议枚举路径；SKILL.md 中域内枚举的底层支撑
ldap3.Connection.search()	带过滤器与属性列表的 LDAP 搜索	本 Agent 中用户/组枚举的统一通道，对应 SKILL.md Step 1 的ldapsearch类查询

值得串联的一条调用链是：ldap_enum_users通过ldap3拿到spns与 UAC 标志 →find_kerberoastable/find_asrep_roastable筛选出目标账户 → SKILL.md Step 3 用impacket.krb5.kerberosv5家族的 CLI（GetUserSPNs / GetNPUsers）实际请求票据 → hashcat（模式 13100 / 18200）离线破解。Agent 输出的账户名单，正是后续 Kerberos 攻击的目标清单——这是 API 参考与完整攻击模拟工作流之间的天然接口。

七、运行前置条件与安全边界（必读）

Agent 以及整个技能的使用都必须满足 SKILL.md 明确列出的前提，这也是评估合法性的底线：

1. 书面授权：必须持有明确指定目标 AD 域、测试约束与禁区账户/系统的书面授权；
2. 低权限起点：使用低权限域用户账户登录，以模拟真实攻击者位置；
3. 网络可达：测试工作站已加域或可经 88、135、139、389、445、636、3268、3269 端口访问域控；
4. 工具链就绪：BloodHound（含 SharpHound/AzureHound 收集器）、Impacket、Mimikatz（或 pypykatz）、Rubeus、CrackMapExec、Hashcat/John（含 rockyou.txt、SecLists 词典）；
5. 禁止事项：未经授权不得测试；不得在生产域控的业务时段运行；不得在未事先协调的情况下执行可能导致真实用户账户锁定的测试。

对应到 Agent 运行，--dc-ip、--domain、--username、--password都应在授权范围内指定，输出报告仅用于内部风险评估，不应在报告中包含超出授权范围的明文凭据。

八、从 API 到场景：Agent 如何嵌入完整 AD 攻击模拟

将 API 参考中的函数映射回 SKILL.md 的完整工作流，可以看到 Agent 承担了"侦察自动化"的角色：

• Step 1（AD 侦察）：SKILL.md 使用Get-ADDomain、crackmapexec smb、Get-ADUser、nltest等命令做人工枚举；Agent 的ldap_enum_users+enum_groups以代码形式覆盖了用户、SPN、UAC、高危组这几个最高价值的枚举维度，产出结构化候选清单；
• Step 2（BloodHound 分析）：Agent 的high_value_groups与risk_summary为 BloodHound 的"Shortest Paths to Domain Admins"、"Find Principals with DCSync Rights"等内置查询提供了初步目标优先级；
• Step 3（Kerberos 攻击）：find_kerberoastable/find_asrep_roastable输出的账户名，直接对应impacket-GetUserSPNs -request与impacket-GetNPUsers -usersfile的攻击目标；
• Step 4-5（凭据攻击与提权）：Agent 的 SMB 签名检测结果可用于判断 NTLM Relay（impacket-ntlmrelayx）是否可行；而 DCSync（impacket-secretsdump -just-dc-ntlm）等提权验证仍属于人工编排步骤。

以 SKILL.md 提供的医疗行业场景为例：评估一个含 5,000 用户、800 台计算机、15 台域控的医院域时，先用 Agent 跑出 Kerberoastable / AS-REP Roastable / 高危组成员 / SMB 签名状态四类信号，再针对svc-sql这类目标执行 GetUserSPNs → hashcat 破解 → psexec 横向移动 → LSASS 提取 → DCSync 验证的完整链路，最终按 SKILL.md 的"Output Format"模板输出带 ID、严重度（CVSS）、攻击链、影响与修复建议的结构化发现。Agent 的自动化价值正是在于把第一步的枚举耗时从小时级压缩到分钟级，并保证每次评估的覆盖面一致、结果可比。

参考文件速查

• API 参考（本文主体）：skills/executing-active-directory-attack-simulation/references/api-reference.md
• Agent 完整实现：skills/executing-active-directory-attack-simulation/scripts/agent.py
• 技能元数据与完整攻击模拟工作流：skills/executing-active-directory-attack-simulation/SKILL.md
• 框架映射说明：mappings/README.md 与 mappings/mitre-attack/coverage-summary.md（T1558 Kerberoasting、T1003 凭据转储等技术的仓库级覆盖索引）

【免费下载链接】Anthropic-Cybersecurity-Skills817 structured cybersecurity skills for AI agents · Mapped to 6 frameworks: MITRE ATT&CK, NIST CSF 2.0, MITRE ATLAS, D3FEND, NIST AI RMF & MITRE F3 (Fight Fraud) · agentskills.io standard · Works with Claude Code, GitHub Copilot, Codex CLI, Cursor, Gemini CLI & 20+ platforms · 29 security domains · Apache 2.0项目地址: https://gitcode.com/GitHub_Trending/an/Anthropic-Cybersecurity-Skills