MAAS 项目亮点解析
2025-06-18 07:19:35作者:郜逊炳
项目的基础介绍
MAAS(Malware As A Service)是一个利用 GitLab CI/CD 功能构建的自动化恶意软件生成管道的开源项目。该项目由 Black Hills Information Security 的专家开发,目的是为了帮助渗透测试人员生成独特、高度规避且成功的恶意软件工件,以应对现代防御栈环境中的挑战。
项目代码目录及介绍
项目的代码目录结构如下:
bin/: 存放配置查找脚本等可执行文件。docs/: 包含项目文档,如动态子管道的配置说明等。runner/: 包含构建 Docker 容器的Dockerfile.FINAL和其他相关脚本。shellcode/: 存放可能用于构建恶意软件的 shellcode。LICENSE: 项目许可证文件。README.md: 项目说明文件,包含快速启动指南和详细的项目介绍。SampleConfig.yml: 示例配置文件。gitlab-ci-version*.yml: GitLab CI/CD 配置文件的不同版本。
项目亮点功能拆解
MAAS 项目的亮点功能包括:
- 自动化恶意软件生成:通过 CI/CD 管道自动生成恶意软件工件。
- 配置驱动:使用静态 YAML 文件进行配置,Python 脚本驱动动态子阶段。
- 多平台支持:可以在不同的操作系统上部署 GitLab runner,以服务于 CI/CD 任务。
- 并行处理:CI/CD 管道执行过程中可以并行处理任务,提高效率。
项目主要技术亮点拆解
技术亮点包括:
- 使用 GitLab CI/CD:利用 GitLab 的持续集成和持续部署功能,自动化整个恶意软件生成过程。
- 动态管道生成:通过 Python 脚本动态生成子管道,实现复杂的构建逻辑。
- 多 runner 部署:支持在不同的操作系统和环境中部署多个 runner,以支持不同类型的恶意软件构建。
与同类项目对比的亮点
与同类项目相比,MAAS 项目的亮点在于:
- 高度自动化:通过 CI/CD 管道实现从配置到构建的全自动化过程。
- 配置灵活性:使用 YAML 和 Python 脚本提供高度灵活的配置选项。
- 多平台支持:不仅限于特定的操作系统,可以在多种环境中运行。
- 白手套攻击支持:为渗透测试人员提供了一种新的攻击手段,以应对复杂的防御措施。
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
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
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 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
312
2.73 K
deepin linux kernel
C
24
7
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++
639
244
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
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
470
Ascend Extension for PyTorch
Python
151
178
暂无简介
Dart
605
135
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
236
84
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
364
3.01 K
React Native鸿蒙化仓库
JavaScript
237
310