Evil Portals 项目使用教程
1. 项目介绍
Evil Portals 是一个开源项目,旨在为 Hak5 WiFi Pineapple Tetra 和 Nano 设备提供一系列的钓鱼门户(captive portals)。这些门户可以加载到 Evil Portal 模块中,用于对 WiFi 客户端进行钓鱼攻击,以获取凭证或通过恶意软件感染受害者。该项目需要安装 Evil Portal 模块,该模块由 frozenjava 创建。
2. 项目快速启动
2.1 安装 Evil Portal 模块
在 WiFi Pineapple 设备上,进入 Modules -> Manage Modules -> Get Modules from Hak5 Community Repositories,然后安装 Evil Portal 模块。
2.2 克隆 Evil Portals 项目
在本地终端中运行以下命令,克隆 Evil Portals 项目:
git clone https://github.com/kleo/evilportals.git
2.3 复制门户到设备
进入 evilportals/portals/ 目录,并选择你希望使用的门户。然后使用 scp 命令将门户复制到 WiFi Pineapple 设备上:
cd evilportals/portals/
scp -r portal-login root@172.16.42.1:/root/portals/
或者,你也可以使用 Filezilla 等 FTP 工具手动复制门户文件。
2.4 启动 Evil Portal 模块
在 WiFi Pineapple 的 Web 界面中,启动 Evil Portal 模块,并激活你希望使用的门户。捕获的凭证数据将显示在 WiFi Pineapple 的 Web 界面中。
3. 应用案例和最佳实践
3.1 捕获 WiFi 客户端凭证
通过加载钓鱼门户,可以捕获 WiFi 客户端的登录凭证。例如,使用 facebook-login 门户来模拟 Facebook 登录页面,诱导用户输入其 Facebook 凭证。
3.2 恶意软件分发
某些门户可以配置为在用户提交凭证后,自动下载并执行恶意软件。例如,使用 firmware-upgrade 门户来模拟固件升级页面,诱导用户下载并安装恶意固件。
3.3 日志记录和通知
捕获的凭证数据将显示在 WiFi Pineapple 的 Web 界面中,并且可以通过配置通知系统,在捕获到新凭证时立即收到通知。
4. 典型生态项目
4.1 Wifiphisher
Wifiphisher 是一个类似的钓鱼工具,专注于 WiFi 网络的钓鱼攻击。它提供了多种钓鱼页面模板,可以与 Evil Portals 项目结合使用,增强钓鱼攻击的效果。
4.2 WiFi Pineapple
WiFi Pineapple 是一个强大的 WiFi 安全测试工具,支持多种模块和插件。Evil Portals 项目是 WiFi Pineapple 生态系统中的一个重要组成部分,提供了丰富的钓鱼门户模板。
4.3 Evil Portal 模块
Evil Portal 模块是 Evil Portals 项目的基础,提供了加载和管理钓鱼门户的功能。通过安装 Evil Portal 模块,可以轻松地在 WiFi Pineapple 设备上使用 Evil Portals 项目提供的门户。
通过以上步骤,你可以快速上手并使用 Evil Portals 项目进行 WiFi 钓鱼攻击。请注意,使用此类工具进行未经授权的攻击是非法的,务必遵守当地法律法规。
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 StartedRust0186
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 Notebook0111
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
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08