NTLM Challenger 使用教程
2025-04-17 19:23:10作者:庞眉杨Will
1. 项目目录结构及介绍
NTLM Challenger 是一个开源项目,用于发送 NTLM 协议的协商消息到指定的 HTTP、SMB 或 MSSQL 端点,并解析服务器返回的挑战消息。项目目录结构如下:
LICENSE:项目的 MIT 许可证文件。README.md:项目的自述文件,包含项目的基本信息和用法。requirements.txt:项目运行所需的 Python 库依赖。ntlm_challenger.py:项目的主要脚本文件,用于执行 NTLM 协商消息的发送和解析。
2. 项目的启动文件介绍
项目的启动文件是 ntlm_challenger.py。该文件包含了主要的逻辑,用于处理命令行参数、发送 NTLM 协商消息,并接收及解析服务器的挑战响应。
以下是启动文件的基本用法:
python3 ntlm_challenger.py <URL>
根据不同的协议,你可以使用以下格式的 URL:
- HTTP 示例:
https://autodiscover.hackin.club/autodiscover/ - SMB 示例:
smb://192.168.39.152 - MSSQL 示例:
mssql://172.16.10.1
3. 项目的配置文件介绍
NTLM Challenger 项目没有专门的配置文件。所有的配置都是通过命令行参数来完成的。在运行 ntlm_challenger.py 脚本时,你可以指定目标 URL 作为参数。
如果有需要,可以通过修改 requirements.txt 文件来更新项目依赖的 Python 库版本。
以上就是 NTLM Challenger 的使用教程。通过本项目,你可以更容易地与支持 NTLM 认证的服务器进行交互,并获取有关服务器的信息。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
456
438
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220