DeathMetal 项目使用教程
2025-05-25 16:00:59作者:何将鹤
1. 项目介绍
DeathMetal 是一套与 Intel AMT(Active Management Technology)交互的工具集。该项目旨在利用 Intel AMT 的功能进行安全研究和渗透测试。项目的名称来源于"Metalocalypse"中的角色,工具的前缀为 "dm_",以便于命令行的自动补全和识别。
主要工具包括:
dm_pickles:Duckyscript 解释器,通过 AMT KVM(vnc)进行通信并注入键盘按键。dm_toki:IDE-R 实现,允许远程连接目标计算机的软盘和 CD 镜像。dm_nathan:命令行工具,通过认证通道配置 AMT。dm_rockso:检测和扫描 AMT 功能的系统,即使 AMT 没有明确启用也能工作。
2. 项目快速启动
环境准备
确保您的系统中已经安装了 Python3 和 pip。
安装
-
创建并激活 Python3 虚拟环境:
python3 -m venv venv source venv/bin/activate # 在 Windows 下使用 `venv\Scripts\activate` -
安装项目依赖:
pip install git+https://github.com/Coalfire-Research/DeathMetal.git
3. 应用案例和最佳实践
使用 dm_pickles
dm_pickles 工具可以用来通过 AMT KVM 发送键盘输入。以下是一个简单的使用例子:
from deathmetal.dm_pickles import Pickles
# 创建 Pickles 实例
pickles = Pickles()
# 连接到目标系统
pickles.connect('target_host', 5900)
# 发送按键
pickles.type('Hello, World!')
# 断开连接
pickles.disconnect()
使用 dm_toki
dm_toki 工具允许你远程连接到目标计算机的软盘和 CD 镜像。以下是使用该工具的步骤:
from deathmetal.dm_toki import Toki
# 创建 Toki 实例
toki = Toki()
# 配置连接参数
toki.set_params('target_host', 5901)
# 连接并挂载镜像
toki.mount('floppy_image.img')
4. 典型生态项目
由于 DeathMetal 是专门针对 Intel AMT 的工具集,因此与之相关的生态项目通常涉及硬件安全、系统管理和渗透测试。以下是一些可能的生态项目类型:
- 硬件安全工具:用于检测和分析硬件特性。
- 系统管理工具:简化远程系统管理和监控。
- 渗透测试框架:集成 DeathMetal 工具,用于更全面的安全评估。
通过这些生态项目的结合使用,安全专家能够更有效地进行安全评估和系统特性研究。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
684
1.33 K
Ascend Extension for PyTorch
Python
719
882
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
用户可使用该项目在 OpenHarmony 平台开发应用,支持通过 IDE 或终端用 Flutter Tools 指令编译构建,基于 Flutter 3.27.4 版本,新增 impeller-vulkan 渲染模式,兼容多种开发指令与环境配置。
Dart
1.01 K
261
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
998
609