Mortar 开源项目教程
2024-08-24 02:13:53作者:翟江哲Frasier
项目介绍
Mortar 是一个开源的安全工具,旨在通过模拟攻击来评估和提升系统的安全性。该项目由 0xsp-SRD 团队开发,主要用于渗透测试和红队演练。Mortar 提供了多种攻击模块,可以帮助安全专家和研究人员发现系统中的潜在漏洞。
项目快速启动
环境准备
在开始使用 Mortar 之前,请确保您的系统已安装以下依赖:
- Python 3.x
- Git
安装步骤
-
克隆项目仓库:
git clone https://github.com/0xsp-SRD/mortar.git -
进入项目目录:
cd mortar -
安装所需的 Python 包:
pip install -r requirements.txt
快速启动示例
以下是一个简单的示例,展示如何使用 Mortar 进行基本的渗透测试:
# 启动 Mortar 控制台
python mortar.py
# 选择一个攻击模块
use module/exploit/example
# 设置目标 IP
set RHOSTS 192.168.1.1
# 运行攻击
run
应用案例和最佳实践
应用案例
Mortar 在多个场景中都有广泛的应用,例如:
- 企业安全评估:通过模拟真实攻击,帮助企业发现内部网络的安全漏洞。
- 红蓝对抗演练:作为红队工具,用于模拟攻击,提升蓝队的防御能力。
- 安全研究:研究人员可以使用 Mortar 进行漏洞挖掘和安全研究。
最佳实践
- 定期更新:保持 Mortar 和其依赖库的最新版本,以利用最新的安全功能和修复。
- 权限控制:在使用 Mortar 进行渗透测试时,确保您有足够的权限,并遵守相关法律法规。
- 日志记录:详细记录每次测试的过程和结果,以便后续分析和改进。
典型生态项目
Mortar 作为一个安全工具,与其他开源项目结合使用可以发挥更大的作用。以下是一些典型的生态项目:
- Metasploit Framework:与 Metasploit 结合使用,可以扩展攻击模块和利用更多的漏洞。
- Nmap:用于网络发现和安全审计,可以与 Mortar 结合进行更全面的渗透测试。
- Wireshark:用于网络流量分析,帮助理解攻击过程中的数据交互。
通过这些生态项目的结合,可以构建一个更强大的安全测试环境,提升系统的整体安全性。
登录后查看全文
热门项目推荐
相关项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
138
169
暂无简介
Dart
598
130
React Native鸿蒙化仓库
JavaScript
235
309
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++
632
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
695
🎉 (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
1.06 K
616
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
197
74
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
460