Enumy 项目使用教程
1. 项目介绍
Enumy 是一款功能强大的 Linux 后渗透提权枚举工具。它是一个速度非常快的可移植可执行文件,适用于针对 Linux 设备的渗透测试以及 CTF 的后渗透阶段。Enumy 能够帮助研究人员枚举出目标设备中常见的安全漏洞,从而实现权限提升。
2. 项目快速启动
2.1 安装
首先,克隆项目仓库到本地:
git clone https://github.com/luke-goddard/enumy.git
进入项目目录:
cd enumy
2.2 编译
如果你有 Docker 环境,可以使用以下命令进行编译:
./build.sh 64bit
或者
./build.sh 32bit
编译完成后,生成的可执行文件会在 output 目录中。
2.3 运行
将生成的可执行文件传输到目标 Linux 机器上,然后运行:
./enumy64
你可以使用 -h 选项查看所有可用的命令行选项:
./enumy64 -h
3. 应用案例和最佳实践
3.1 渗透测试
渗透测试人员可以在目标设备上运行 Enumy,并报告发现的安全问题。通过 Enumy 的扫描结果,测试人员可以快速识别出系统中的潜在漏洞,从而制定相应的修复策略。
3.2 CTF 比赛
在 CTF 比赛中,Enumy 可以帮助玩家识别他们原本可能会错过或忽略的安全漏洞。通过 Enumy 的全面扫描,玩家可以更快地找到提权的机会,从而在比赛中取得优势。
3.3 本地设备安全检查
如果你想识别本地设备中的安全漏洞,同样可以使用 Enumy。通过定期运行 Enumy,你可以及时发现并修复系统中的安全问题,确保设备的安全性。
4. 典型生态项目
4.1 Metasploit
Metasploit 是一个广泛使用的渗透测试框架,可以与 Enumy 结合使用,进一步增强渗透测试的能力。通过 Enumy 发现的安全漏洞,可以在 Metasploit 中进行进一步的利用。
4.2 Docker
Docker 是一个流行的容器化平台,Enumy 可以在 Docker 容器中运行,帮助你检查容器内的安全配置。通过 Enumy 的扫描,你可以确保 Docker 容器的安全性,防止潜在的提权攻击。
4.3 CTFd
CTFd 是一个开源的 CTF 平台,Enumy 可以作为 CTFd 的一个插件,帮助组织者在比赛中提供更全面的安全检查工具。通过 Enumy,参赛者可以在比赛中更好地利用系统漏洞,提升比赛体验。
通过以上教程,你可以快速上手 Enumy 项目,并在实际应用中发挥其强大的功能。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00