♧ Godown 安全知识树

MCP 化 C2:将 C2 操作封装为工具由 LLM 编排自动化横向与后渗透

pentest/c2 · verified

一句话结论

把 C2 框架的节点感知、命令执行、文件操作、代理、payload 生成、后渗透模块与运维能力封装成 MCP 工具后,LLM 可以按一句自然语言目标自主选择工具、填充参数、轮询异步任务,并根据执行结果切换策略,把原本逐条下指令的“边界突破 → 内网横向 → 持久化 → 信息收集”压缩成自动化编排。

原理

  • 四层架构:LLM 客户端(Claude/GPT/OpenCode 等)通过 MCP 协议调用 MCP Server;MCP Server 把 Function Call 翻译为 gRPC 请求发给 C2 服务端;C2 服务端管理节点、中转流量、生成和投递 payload;节点通过加密隧道受控。
  • MCP Server 把 C2 的 51 个操作暴露为结构化工具,每个工具有名称、参数和返回值描述;LLM 不需要了解 gRPC 细节,只根据工具描述决定下一步。
  • 工具按能力分为五类:
  • 感知:list_nodes、check_node_status、get_topology、get_node_note/save_node_note、reset_node_streams、offline_node。
  • 交互:execute_command(同步、输出限 8000 字符)、execute_command_async(返回 taskId,get_task_result 轮询、stop_command_task 中止)、list_command_tasks;文件列表/读/写/上传/下载/删除/建目录/重命名。
  • 代理:start_socks5_proxy/stop_proxy/list_proxies;start_child_listener 等级联监听;deploy_forward_node/connect_forward_node 等正向节点(通过已有 Joda WebShell 的 JSP deploy action 注入 payload,probe_target_environment 先探测 OS/架构/JDK/中间件)。
  • 攻击:list_available_platforms、payload 生成(Linux/Windows 多架构,C Loader 0.3-1.5 MB,raw/xor/aes shellcode)、list_post_exploit_modules/run_post_exploit_module(内核提权、SSH 私钥/shadow、Mimikatz、浏览器数据、Windows 提权、fscan、AddUser 等 13 个模块)。
  • 运维:create_onetime_url(TTL 一次性 HTTPS URL,curl/certutil 下载执行)、get_server_config、get_distributor_info、get_server_logs、连接生命周期管理。
  • LLM 的编排能力来自工具描述与上下文:它根据节点 OS/架构选择 payload,根据命令超时切换异步轮询,根据提权失败切换备选模块,根据扫描发现的新网段决定是否部署正向节点。这些不是硬编码 if-else,而是模型基于结构化反馈的推理。
  • 风险面:MCP Server 是 C2 的高权限控制面;如果端点缺少认证/授权,任何能访问它的人都能操控整个受控网络;如果 LLM 客户端被提示注入,攻击者也可诱导 AI 执行危险工具调用。自主决策会放大误操作影响范围。

触发条件

  • 授权红队环境:已有可用的 C2 服务端、受控节点和 MCP 封装层;LLM 客户端能访问 MCP Server。
  • MCP Server 暴露了高危工具(命令执行、payload 生成、后渗透、持久化、代理),且没有按任务/目标/工具做细粒度授权或人工确认。
  • 节点与 C2 服务端连通;需要横向时具备 SOCKS5/级联/正向节点中的至少一种通道。
  • 操作员以自然语言描述目标,并接受 AI 的自主工具选择;高风险动作最好保留人工确认点。

利用步骤

  1. 用自然语言描述目标,例如“用 fscan 探查 192.168.1.5 所在内网,验证漏洞并汇总结果”。
  2. AI 调用 list_nodes/check_node_status/get_topology 选择入口节点,读取 OS、架构、权限、内网 IP、代理能力。
  3. 若入口是 WebShell/正向场景,调用 probe_target_environment 探测环境,再由 deploy_forward_node 自动编译并注入对应平台 payload,使正向节点上线。
  4. 通过 execute_command 执行 ip route/ip addr/ps aux 等侦察;用 list_remote_directory/read_remote_file 找配置文件与凭据。
  5. 低权限时调用 run_post_exploit_module 尝试提权;失败则按模块列表切换备选(案例中 CVE-2026-31431 失败后切换 DirtyFrag)。
  6. 用 start_socks5_proxy 打通内网,run_post_exploit_module 下发 fscan 扫描;用获取的数据库账号或 Web RCE 继续横向,生成对应架构节点并通过级联链上线。
  7. 持久化:遍历 Linux 节点写 systemd/crontab,Windows 节点用计划任务/注册表 Run/WMI 事件订阅,并可调用 Mimikatz + AddUser 建备用管理员。
  8. 信息收集:并行编排多节点的系统信息、SSH 密钥/shadow、Mimikatz、浏览器数据、端口/进程/Web 目录,AI 去重关联后输出报告。
  9. 授权测试中只使用无害命令/标记文件,避免真实凭据窃取与持久化;高风险工具调用保留人工确认。

PoC

自然语言编排示例(原文实验记录,非针对真实目标的 PoC):

使用 fscan 探查 192.168.1.5 所在的内网环境,验证漏洞信息并汇总结果。

AI 的工具序列(概念):

list_nodes
→ check_node_status(node)
→ execute_command(node, "ip route && ip addr")
→ start_socks5_proxy(node, "0.0.0.0:1080")
→ upload_file_to_node(node, "fscan")
→ execute_command_async(node, "fscan -h 10.0.2.0/24")
→ get_task_result(taskId)
→ read_remote_file(node, "/opt/app/config/database.yml")
→ run_post_exploit_module(node, "DirtyFrag")
→ deploy_forward_node("http://target/shell.jsp", 10080)
→ ...

正向节点部署封装(原文描述):

deploy_forward_node(target_url, listen_port)
  → probe_target_environment 探测 OS/架构/JDK/中间件
  → 服务端编译对应平台 payload
  → 通过 JSP deploy action 注入并启动
  → 正向节点注册上线

原文称 51 个工具全部通过验证测试;案例中的横向链为实验演示,未给出真实目标、凭据或完整日志。

变体与关联

  • 接口变体:MCP、OpenAI Function Calling、LangChain Tool、自定义 Agent 工具协议;本质都是把 C2 操作变成结构化工具描述交给模型。
  • 通道变体:SOCKS5、级联监听、正向节点(WebShell/JSP)、一次性 URL、C Loader/HTTPS 分发器。
  • 风险变体:MCP Server 未授权暴露、工具描述投毒、提示注入劫持工具调用、模型误操作放大;可关联 ai-security-mcp-security-tool-description-poisoning-param-smuggling、ai-security-prompt-injection-tool-call-hijack。
  • 关联:Cobalt Strike Malleable C2、HTTP 轮询式 C2、FaaS 代理 C2、Donut/Go loader;本卡关注的是“C2 能力的 LLM 编排层”,不是某个 payload 或 C2 框架本身。
  • 注意:这是红队工具集成方法,不是漏洞;其安全性取决于 MCP 端点的认证/授权、工具最小权限与人工审批,不能把“AI 能调用”直接等同于“应允许调用”。

检测与防御

  • MCP 控制面:MCP Server 必须认证/授权,按用户、任务、目标资产、工具风险做细粒度授权;高危工具(命令执行、payload 生成、后渗透、持久化、代理)默认人工确认或双人审批。
  • 工具最小权限:只暴露当前任务需要的工具;命令执行限制目标节点与命令白名单;payload/后渗透模块按平台和授权范围限制;禁止一个端点暴露全部 51 个能力。
  • 提示注入防御:MCP 客户端把外部内容标记为数据而非指令;工具返回值与错误信息不要包含可被模型误当指令的内容;对高风险调用做独立策略判断。
  • 审计:记录每次 MCP 工具调用的用户、目标、参数、结果与审批;关联“自然语言目标 → 工具序列 → 节点操作”的完整链路;监控异常高频/跨节点/跨网段调用。
  • 检测 C2 侧:节点上线/级联/正向隧道、SOCKS5 监听、一次性 URL 下载执行、payload 生成与后渗透模块调用、systemd/crontab/计划任务持久化、fscan 扫描流量。
  • 响应:隔离 MCP Server 与 C2 服务端、吊销节点凭据、清理持久化、审计受控网络与凭据暴露、检查是否有提示注入来源。
  • 局限:原文为作者自有 grpc-c 框架的工程记录,51 个工具由作者验证;案例横向链为演示,未提供真实目标或独立复现;本卡 confidence medium,不把工具描述写成通用 C2 产品评测。