Platypus 项目使用教程
1. 项目介绍
Platypus 是一个现代的多重反向 Shell 会话管理器,使用 Go 语言编写。它允许用户管理多个反向 Shell 会话,并提供了一个 RESTful API 和 Python SDK,方便用户通过 HTTP 协议或 Python 脚本操作 Platypus。此外,Platypus 还支持文件上传和下载、全交互式 Shell、端口转发等功能。
2. 项目快速启动
2.1 安装依赖(可选)
在运行 Platypus 之前,您可以选择安装一些依赖项:
sudo apt install upx
2.2 从源代码运行 Platypus
-
克隆 Platypus 仓库:
git clone https://github.com/WangYihang/Platypus.git cd Platypus -
安装依赖并编译:
sudo apt install -y make curl make install_dependency make release -
运行 Platypus:
./Platypus
2.3 使用 Docker 运行 Platypus
-
启动 Platypus 容器:
docker-compose up -d -
进入 Platypus 的 CLI:
docker-compose exec app tmux a -t platypus -
访问 Platypus 的 Web UI:
firefox http://127.0.0.1:7331/
2.4 使用预编译二进制文件运行 Platypus
-
从 Platypus 发布页面 下载预编译的二进制文件。
-
运行下载的二进制文件:
./Platypus
3. 应用案例和最佳实践
3.1 反向 Shell 管理
Platypus 可以同时管理多个反向 Shell 会话,适用于需要同时监控多个目标系统的场景。通过 Platypus,您可以轻松地在多个目标系统上执行命令,并实时查看输出。
3.2 文件传输
Platypus 支持文件的上传和下载,并提供了进度条显示功能。这对于在目标系统和攻击者系统之间传输文件非常有用。
3.3 全交互式 Shell
Platypus 支持将反向 Shell 升级为全交互式 Shell,您可以在目标系统上使用 vim、htop 等工具,就像在本地终端一样。
4. 典型生态项目
4.1 Metasploit
Platypus 可以与 Metasploit 集成,用于管理 Metasploit 生成的反向 Shell 会话。通过 Platypus,您可以更方便地管理和操作多个 Metasploit 会话。
4.2 Termite
Termite 是一个加密的反向 Shell 工具,Platypus 支持将普通反向 Shell 会话升级为加密会话,使用 Termite 提供的加密通道,增强会话的安全性。
4.3 Python SDK
Platypus 提供了一个 Python SDK,允许用户通过 Python 脚本与 Platypus 进行交互。这对于自动化任务和批量操作非常有用。
通过以上模块的介绍,您可以快速上手 Platypus 项目,并了解其在实际应用中的最佳实践和生态项目。
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