在Docker中配置Cowrie蜜罐的技术实践
2025-06-07 12:45:35作者:凌朦慧Richard
前言
Cowrie是一款广受欢迎的开源SSH蜜罐系统,能够模拟真实的SSH服务并记录攻击者的行为。随着容器化技术的普及,越来越多的安全研究人员选择在Docker环境中部署Cowrie蜜罐。本文将详细介绍在Docker容器中正确配置Cowrie的方法,特别是针对用户认证配置的常见问题解决方案。
Cowrie Docker镜像的基本使用
Cowrie官方提供了Docker镜像,可以通过简单的命令启动基本服务:
docker run -p 2222:2222 cowrie/cowrie:latest
这个命令会启动一个监听2222端口的Cowrie蜜罐实例。然而,这种简单部署方式无法满足自定义配置的需求。
配置文件的正确挂载方式
许多用户在尝试挂载配置文件时遇到困难。关键在于理解Cowrie在Docker容器中的文件结构:
- 主配置文件路径:
/cowrie/cowrie-git/etc/cowrie.cfg - 默认配置文件:
/cowrie/cowrie-git/etc/cowrie.cfg.dist - 用户数据库文件:
/cowrie/cowrie-git/etc/userdb.txt
常见误区:
- 错误地挂载到
/opt目录,实际上容器中不存在此路径 - 直接覆盖
cowrie.cfg.dist文件,导致服务无法启动 - 配置文件路径拼写错误
正确的挂载方式应该是:
docker run -p 2222:2222 \
-v $(pwd)/custom-config:/cowrie/cowrie-git/etc \
cowrie/cowrie:latest
用户认证配置详解
要实现基于用户名/密码的认证,需要正确配置以下内容:
-
修改主配置文件: 在
cowrie.cfg中添加或修改以下配置项:[honeypot] auth_class = UserDB -
创建用户数据库文件: 创建
userdb.txt文件,格式为用户名:密码类型:密码,例如:root:x:toor admin:x:admin -
文件权限: 确保用户数据库文件具有适当的读取权限
使用Dockerfile定制镜像
对于需要长期使用的生产环境,建议通过Dockerfile构建自定义镜像:
FROM cowrie/cowrie
COPY ./cowrie_conf/cowrie.cfg /cowrie/cowrie-git/etc/cowrie.cfg
COPY ./cowrie_conf/userdb.txt /cowrie/cowrie-git/etc/userdb.txt
构建命令:
docker build -t custom-cowrie .
常见问题排查
-
配置文件未被读取:
- 检查日志确认实际读取的配置文件路径
- 确保文件存在于容器内的正确位置
-
用户认证失败:
- 验证
userdb.txt文件格式是否正确 - 检查文件权限是否允许Cowrie进程读取
- 验证
-
服务启动失败:
- 不要删除或覆盖
cowrie.cfg.dist文件 - 检查配置文件语法是否正确
- 不要删除或覆盖
最佳实践建议
- 始终保留原始配置文件作为参考
- 使用版本控制系统管理自定义配置
- 定期更新Docker镜像以获取安全补丁
- 在生产环境使用前充分测试配置变更
- 考虑使用环境变量进行简单配置覆盖
通过以上方法,安全研究人员可以灵活地在Docker环境中部署和配置Cowrie蜜罐,有效捕获和分析针对SSH服务的攻击行为。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
659
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
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
492
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
342
146