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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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