探索网络安全的利器:pentest_scripts
探索网络安全的利器:pentest_scripts
项目介绍
pentest_scripts 是一个集合了各种渗透测试脚本的开源项目,旨在帮助安全专家在进行网络攻防演练时提高效率。这些脚本涵盖了从电子邮件生成到操作系统密码哈希提取、数据库安全测试等多种功能,为你的渗透测试工作提供了强大的工具箱。
项目技术分析
该项目中的每个脚本都针对特定的安全测试任务进行了优化:
-
generate_emails.py:通过输入全名列表(如从TheHarvester或scrape_linkedin.py中获取),自动生成多种常见电子邮件地址格式,并对名字进行标准化处理。 -
注:
scrape_linkedin.py已经弃用,它曾用于利用Google搜索API获取LinkedIn上的员工姓名。 -
retrieve_osxhash.py:该脚本能将OSX.plist文件的内容转换为可分析的密码哈希,支持Hashcat模式7100并需要root或sudo权限。 -
postgresbrute.py:这是一个简洁的PostgreSQL安全测试工具,用于验证数据库访问安全性。 -
200buster.py:专为目录探测设计,当所有请求返回"200 OK"时,该工具能够排除一定范围的响应大小,仅显示其他可能的有效路径目录。 -
4to6.py:通过ARP协议获取IPv6主机的地址,但前提是要启用ICMP。
项目及技术应用场景
这些脚本在以下场景下尤为有用:
-
网络情报收集:
generate_emails.py和已弃用的scrape_linkedin.py可用于收集潜在目标的电子邮件信息,以进行安全测试。 -
系统安全评估:
retrieve_osxhash.py可以帮助你评估系统密码的安全性。 -
数据库安全性评估:
postgresbrute.py对于检查PostgreSQL数据库的安全配置非常有价值。 -
网站结构探测:
200buster.py能够帮助你在网站安全测试中发现隐藏的目录和资源。 -
网络环境侦察:
4to6.py在多协议环境中寻找IPv6设备的定位非常实用。
项目特点
-
简单易用:每个脚本都有明确的功能,无需复杂的配置即可快速上手。
-
灵活性高:这些脚本可以单独使用,也可以与其他渗透测试工具集成,为你的测试流程提供更多的可能性。
-
有针对性:针对特定任务而设计的脚本,使它们在某些场景下比通用工具更具优势。
-
持续更新:虽然项目中有些脚本已经过时,但作者可能会根据社区反馈和技术发展进行更新和维护。
总的来说,pentest_scripts 是每一个渗透测试者和网络安全专业人士必备的工具集,无论你是新手还是经验丰富的老手,都可以从中找到提升工作效率的方法。如果你热衷于网络安全,那么这个项目绝对值得你一试。
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-1.5暂无简介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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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