探索无线网络的神器:probeSniffer
2024-05-20 06:07:03作者:郦嵘贵Just
探索无线网络的神器:probeSniffer
在这个数字化的时代,无线设备无处不在,而它们之间的通信则如同深海中的鱼类,悄然无声却频繁互动。probeSniffer 是一个强大且易用的工具,它能捕捉到未加密的无线探针请求,让你对周围的无线环境有更深入的理解。
1、项目介绍
probeSniffer 由 David Schütz 开发,是一个基于 Python 的应用,专门设计用于嗅探并实时显示无线设备发送的未加密探针请求。这些请求通常包含了设备的信息,如MAC地址和RSSI(接收信号强度指示),为网络安全研究人员提供了宝贵的数据来源。
2、项目技术分析
该项目利用了 tshark(Wireshark命令行版本)进行数据包捕获,并使用 pyshark 进行解析。在最新版3.0中,开发者优化了数据处理流程,减少了包丢失,提高了在低性能系统上的运行效率。此外,它还能离线解析MAC地址对应的厂商信息,进一步增强了实用性。
3、项目及技术应用场景
- 网络安全研究:理解无线网络环境,检测潜在的安全风险。
- 物联网设备监控:追踪特定设备的行为模式,例如智能家居或物联网传感器。
- 教学与实验:在教育环境中,用于教授无线通信技术和安全实践。
4、项目特点
- 实时显示:捕捉到的探针请求会立即显示,包括设备数量和RSSI值。
- MAC厂商解析:自动解析MAC地址对应的厂商信息。
- 过滤功能:可根据MAC地址筛选显示内容。
- 数据库记录:所有数据可以保存到SQLite数据库中,便于后期分析。
- 灵活性:支持在不同环境下安装,如Kali Linux和Raspbian,且兼容Python3.3至3.6。
使用指南
首先,确保你的系统是Kali Linux或Raspbian,然后通过命令行安装必要的依赖:
$ sudo apt-get update && sudo apt-get install python3 python3-pip tshark -y
$ git clone https://github.com/xdavidhu/probeSniffer
$ cd probeSniffer/
$ python3 -m pip install -r requirements.txt
接下来,将你的无线接口切换到监测模式,并运行 probeSniffer.py:
$ sudo python3 probeSniffer.py [monitor-mode-interface] [options]
请注意,你需要遵循当地的法规和道德规范,只用于合法和教育目的。
probeSniffer 是一个强大的工具,无论你是网络安全新手还是经验丰富的专家,都能从中受益。现在就加入,揭示隐藏在网络角落的信息吧!
登录后查看全文
热门项目推荐
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-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
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
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
186
200
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
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
281
100
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
381
3.51 K
暂无简介
Dart
625
141
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
210