Wifipumpkin3 开源项目教程
1. 项目介绍
Wifipumpkin3 是一个强大的 Python 框架,专门用于进行恶意接入点(Rogue Access Point)攻击。它允许安全研究人员、红队成员和逆向工程师搭建一个无线网络,从而实施中间人攻击(Man-in-the-Middle Attack)。Wifipumpkin3 提供了多种功能,包括但不限于:
- 恶意接入点攻击
- 中间人攻击
- 去认证攻击模块
- 恶意 DNS 服务器
- 强制门户攻击(Captive Portal Attack)
- 流量拦截、检查、修改和重放
- 凭证收集
- 支持多种插件和代理
2. 项目快速启动
2.1 安装依赖
在开始之前,确保你的系统已经安装了 Python 3.7 或更高版本,并且具备以下依赖:
hostapdiptablesiwnet-toolswireless-tools
2.2 安装 Wifipumpkin3
2.2.1 使用 Git 安装
git clone https://github.com/P0cL4bs/wifipumpkin3.git
cd wifipumpkin3
sudo make install
2.2.2 使用 Debian 包安装
sudo dpkg -i wifipumpkin3-1.0.0-all.deb
2.2.3 在 Kali Linux 上安装
sudo apt install wifipumpkin3
2.3 启动 Wifipumpkin3
sudo wifipumpkin3
启动后,你将进入一个交互式会话,类似于 Metasploit 框架,你可以在其中启用或禁用模块、插件、代理,配置接入点等。
3. 应用案例和最佳实践
3.1 中间人攻击
Wifipumpkin3 可以轻松设置一个恶意接入点,拦截并修改客户端的网络流量。以下是一个简单的中间人攻击示例:
-
启动 Wifipumpkin3:
sudo wifipumpkin3 -
设置网络接口:
set interface wlan0 -
设置接入点名称和密码:
set ssid MyFakeNetwork set wpa_passphrase MySecretPassword -
启动接入点:
start -
启用代理插件(例如
pumpkinproxy):set proxy pumpkinproxy
3.2 强制门户攻击
Wifipumpkin3 支持强制门户攻击,用户在连接到恶意网络后会被重定向到一个登录页面,直到他们输入凭证。以下是一个简单的强制门户攻击示例:
-
启动 Wifipumpkin3:
sudo wifipumpkin3 -
设置网络接口:
set interface wlan0 -
设置接入点名称:
set ssid MyFakeNetwork -
启用强制门户插件(例如
captiveflask):set plugin captiveflask -
启动接入点:
start
4. 典型生态项目
4.1 CaptiveFlask
CaptiveFlask 是 Wifipumpkin3 的一个插件,用于创建强制门户。它允许攻击者搭建一个无线接入点,结合 Web 服务器和 iptables 流量捕获规则,创建一个钓鱼门户。用户可以自由连接到这些网络,但在访问互联网之前会被重定向到一个登录页面。
4.2 PumpkinProxy
PumpkinProxy 是一个透明代理,可以拦截和修改 HTTP 流量,允许注入 JavaScript 代码到目标访问的网页中。它是一个强大的工具,用于中间人攻击和流量分析。
4.3 EvilQR3
EvilQR3 是 Wifipumpkin3 的一个插件,支持通过强制门户进行多因素认证(MFA)钓鱼攻击。它允许攻击者创建一个钓鱼页面,诱导用户输入他们的 MFA 凭证。
通过这些生态项目,Wifipumpkin3 提供了一个完整的工具集,用于进行各种无线网络攻击和中间人攻击。
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