Mobile Sentinel:您的移动网络安全守护者
2024-09-23 17:36:25作者:傅爽业Veleda
项目介绍
Mobile Sentinel 是一款专为Android平台设计的应用程序,旨在帮助用户检测部署中的LTE和未来5G网络中的漏洞。当前版本主要关注检测ReVoLTE漏洞(www.revolte-attack.net)。Mobile Sentinel利用Qualcomm的mdlog工具,因此需要基于Qualcomm的Android手机,并且必须具备root权限。
该应用具备以下功能:
- 自动化测试运行,用于检测ReVoLTE漏洞。
- 日志记录视图,用于捕获蜂窝网络流量(目前仅限RRC)并在应用内查看协议消息。
- 将捕获的流量写入PCAP文件。
- 日志上传功能,可将日志上传至HTTP服务器(正在开发中)。
项目技术分析
Mobile Sentinel的核心技术基于Qualcomm的mdlog工具,该工具允许用户从Qualcomm基带中提取网络流量数据。通过结合自动化测试脚本和日志记录功能,Mobile Sentinel能够高效地检测ReVoLTE漏洞。此外,应用还集成了Chaquopy SDK、SCAT和Pycrate等开源库,进一步增强了其功能和灵活性。
项目及技术应用场景
Mobile Sentinel适用于以下场景:
- 网络安全研究人员:用于检测和分析LTE及5G网络中的安全漏洞。
- 企业安全团队:帮助企业评估其移动网络的安全性,及时发现潜在威胁。
- 个人用户:通过简单的操作,了解自己所使用的移动网络是否存在安全风险。
项目特点
- 自动化测试:Mobile Sentinel提供自动化测试运行,简化了漏洞检测流程,用户无需复杂的操作即可完成检测。
- 实时日志记录:应用内置日志记录功能,用户可以实时查看蜂窝网络流量,并将其保存为PCAP文件,便于后续分析。
- 灵活的日志上传设置:用户可以根据需求配置日志上传行为,包括询问上传、从不上传和始终上传三种选项。
- 开源库集成:通过集成Chaquopy SDK、SCAT和Pycrate等开源库,Mobile Sentinel在功能和性能上得到了显著提升。
总结
Mobile Sentinel作为一款专注于移动网络安全检测的应用,不仅提供了强大的漏洞检测功能,还具备灵活的日志管理和上传机制。无论是网络安全研究人员、企业安全团队还是普通用户,都能从中受益。如果您正在寻找一款能够帮助您检测移动网络安全的工具,Mobile Sentinel无疑是您的理想选择。
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
最新内容推荐
Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
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