开源项目安装与配置指南:Microsoft365_devicePhish
1. 项目基础介绍
Microsoft365_devicePhish 是一个用于概念验证的脚本,旨在演示如何通过滥用 Microsoft 365 OAuth 授权流来执行钓鱼攻击。该脚本可以帮助攻击者连接到 Microsoft 的 OAuth API 端点,生成 user_code 和 device_code,并在成功的钓鱼攻击后获取受害者用户的 access_token。利用这个 access_token,攻击者可以代表受害者用户访问各种 Office365 产品,通过 Microsoft Graph API 进行操作。该项目主要用于教育目的,帮助理解钓鱼攻击的原理和防御措施。
该项目主要使用 Python 编程语言。
2. 关键技术和框架
- Python:项目的主要编程语言,用于实现钓鱼攻击的逻辑。
- OAuth 2.0:用于授权和获取访问令牌的协议。
- Microsoft Graph API:用于访问 Microsoft 365 服务的 RESTful API。
3. 安装和配置准备工作
在开始安装和配置之前,请确保您的系统中已经安装了以下环境和工具:
- Python 3.x(建议使用最新版) -pip 3(Python 包管理器)
如果您的系统中没有安装 Python,您可以从官方网站下载并安装:Python 官方网站。安装 Python 时,请确保选中了“添加 Python 到环境变量”的选项。
安装步骤
-
克隆项目仓库
打开命令行工具,使用以下命令克隆项目仓库到本地环境:
git clone https://github.com/optiv/Microsoft365_devicePhish.git -
安装依赖
进入项目目录,使用以下命令安装项目所需的 Python 包:
cd Microsoft365_devicePhish pip install -r requirements.txt如果没有
requirements.txt文件,您可能需要手动安装以下包:- requests
- pyjwt
- redis
-
配置 OAuth 客户端
在使用脚本之前,您需要在 Azure 应用注册中创建一个应用,并获取
client_id。请按照以下步骤操作:a. 登录到 Azure 门户。
b. 创建一个新的应用注册。
c. 记录下生成的
client_id。d. 在脚本中,将
client_id替换到相应的位置。 -
运行脚本
配置完成后,您可以通过以下命令运行脚本:
python3 devicePhish.py <client_id>请将
<client_id>替换为您在 Azure 应用注册中获取的client_id。
以上步骤将帮助您成功安装和配置 Microsoft365_devicePhish 项目。请确保仅在合法和道德的范围内使用此脚本。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01