Mythic项目在Kali Linux上的Docker Compose问题解决方案
问题背景
在Kali Linux系统上部署Mythic项目时,用户可能会遇到Docker Compose相关的启动问题。特别是在较新版本的Kali中,传统的Docker Compose安装方式会出现兼容性问题,导致Mythic无法正常启动。
问题现象
当用户尝试使用sudo -E ./mythic-cli start命令启动Mythic时,系统会报出TypeError: kwargs_from_env() got an unexpected keyword argument 'ssl_version'错误。这是由于Kali Linux系统对Docker Compose的某些修改导致的兼容性问题。
根本原因分析
Kali Linux最近的更新中修改了Docker Compose的某些实现细节,特别是kwargs_from_env()函数不再接受ssl_version参数。这导致使用传统方式安装的Docker Compose在与Mythic交互时出现兼容性问题。
解决方案
1. 完全卸载现有Docker环境
首先需要彻底清理系统中现有的Docker相关组件:
sudo apt remove docker-compose-plugin docker-ce docker-ce-cli containerd.io
这个步骤确保我们从一个干净的环境开始,避免旧版本组件的残留影响。
2. 安装最新版Docker
现代Docker版本已经内置了Compose功能,不再需要单独安装docker-compose:
sudo apt install docker-ce docker-ce-cli containerd.io
安装完成后,系统将拥有完整的Docker环境,包括内置的docker compose命令(注意是docker compose而不是独立的docker-compose)。
3. 配置Mythic项目
获取Mythic源代码并配置环境:
git clone https://github.com/its-a-feature/Mythic --depth 1
cd Mythic
编辑.env文件进行必要的配置调整。
4. 构建并启动Mythic
按照标准流程构建和启动Mythic:
sudo make
sudo -E ./mythic-cli start
技术原理
现代Docker版本(从20.10.0开始)已经将Compose功能集成到主二进制文件中,通过docker compose子命令提供。这种方式相比独立的docker-compose工具具有更好的兼容性和维护性。Kali Linux系统对独立docker-compose工具的修改不会影响到内置的Compose功能。
注意事项
- 确保系统有足够的资源(建议至少2CPU和4GB RAM)
- 如果使用远程服务连接,需要相应调整绑定设置
- 安装完成后,可以通过
docker compose version验证Compose功能是否正常 - 对于生产环境,建议进一步配置Docker的安全设置和资源限制
总结
通过使用现代Docker内置的Compose功能,可以有效避免Kali Linux系统对独立docker-compose工具的修改带来的兼容性问题。这种方法不仅解决了Mythic项目的启动问题,也为其他基于Docker Compose的项目提供了更稳定的运行环境。对于安全研究人员和渗透测试人员来说,这种配置方式更加简洁可靠。
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-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