MimiPenguin 项目教程
1. 项目介绍
MimiPenguin 是一个用于从当前 Linux 用户中转储登录密码的工具。它借鉴了 Windows 上流行的工具 Mimikatz 的思想,通过转储进程并提取高概率包含明文密码的行来实现这一功能。MimiPenguin 会尝试通过检查 /etc/shadow 中的哈希值、内存中的哈希值以及正则表达式搜索来计算每个单词的概率。
该项目最初由 huntergregal 开发,并被分配了 CVE-2018-20781。尽管 GNOME Keyring 3.27.2 和 3.28.0-2-1ubuntu1.18.04.1 版本中仍未修复此问题,但 MimiPenguin 仍然有效。
2. 项目快速启动
2.1 安装依赖
在开始使用 MimiPenguin 之前,确保系统已安装以下依赖:
sudo apt-get install build-essential
2.2 克隆项目
首先,从 GitHub 克隆 MimiPenguin 项目:
git clone https://github.com/huntergregal/mimipenguin.git
cd mimipenguin
2.3 编译项目
进入项目目录后,使用 make 命令编译项目:
make
2.4 运行 MimiPenguin
编译完成后,可以直接运行 MimiPenguin:
sudo ./mimipenguin
3. 应用案例和最佳实践
3.1 应用案例
MimiPenguin 主要用于渗透测试和安全审计中,特别是在需要获取当前 Linux 用户的登录密码时。例如,在红队演练中,可以使用 MimiPenguin 来获取目标系统的登录密码,从而进一步进行权限提升或其他操作。
3.2 最佳实践
- 权限要求:MimiPenguin 需要 root 权限才能运行,因此在执行时务必使用
sudo。 - 环境测试:在不同的 Linux 发行版和桌面环境中测试 MimiPenguin,以确保其在各种情况下的有效性。
- 安全审计:定期使用 MimiPenguin 进行内部安全审计,以发现和修复潜在的安全漏洞。
4. 典型生态项目
4.1 Mimikatz
Mimikatz 是一个用于从 Windows 系统中提取密码、哈希值和其他敏感信息的工具。MimiPenguin 的灵感来源于 Mimikatz,两者在功能上有相似之处,但分别针对 Linux 和 Windows 系统。
4.2 Metasploit
Metasploit 是一个广泛使用的渗透测试框架,支持多种攻击模块。MimiPenguin 可以作为 Metasploit 的一个模块,用于在渗透测试中获取 Linux 系统的登录密码。
4.3 Gcore
Gcore 是一个用于生成进程核心转储的工具,MimiPenguin 在早期版本中依赖于 Gcore 来转储进程内存。尽管后续版本中移除了这一依赖,但 Gcore 仍然是 Linux 系统中常用的调试工具。
通过以上模块的介绍,您可以快速了解并使用 MimiPenguin 项目,同时了解其在安全领域的应用和相关生态项目。
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 StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112