20190511_awd_docker 的项目扩展与二次开发
2025-06-11 21:46:45作者:董斯意
项目的基础介绍
本项目是基于2019年5月11日防灾科技学院“应急挑战杯”大学生网络安全邀请赛的AWD(Attack With Defense)靶机题目。AWD模式是一种网络安全竞赛模式,参赛团队既需要防御自己的靶机不被其他团队攻破,同时也要尝试攻击其他团队的靶机。本项目通过Docker容器化技术,构建了一个包含四个靶机的环境,分别为PWN、Nginx + Python(Flask)、Apache + PHP(ThinkPHP5)、Nginx + PHP题目。
项目的核心功能
- 容器化部署:使用Docker-compose一键部署四个靶机环境,简化了环境搭建的复杂度。
- 靶机多样化:涵盖了多种Web应用和操作系统层面的靶机,适合不同层次的网络安全爱好者进行学习和实践。
- SSH访问:默认开放SSH端口,便于参赛者通过SSH登录靶机进行加固和攻击尝试。
项目使用了哪些框架或库?
- Docker:容器化技术,用于创建和运行容器。
- Docker-compose:用于定义和运行多容器Docker应用。
- Python:用于Flask应用和部分靶机的后端服务。
- PHP:用于ThinkPHP5和普通PHP应用的靶机。
- Nginx:作为Web服务器,用于服务静态页面和代理请求。
- Apache:作为Web服务器,用于ThinkPHP5应用。
项目的代码目录及介绍
20190511_awd_docker/
├── docker-compose.yml # Docker容器编排文件,定义了各容器的配置
├── LICENSE # 项目使用的MIT协议许可证文件
├── README.md # 项目说明文件
├── ...
└── ...
在docker-compose.yml文件中,定义了每个靶机的镜像、端口映射、环境变量等配置。README.md详细介绍了项目的使用方法和靶机的默认登录信息。
对项目进行扩展或者二次开发的方向
- 靶机类型扩展:可以增加其他类型的靶机,例如数据库靶机、邮件服务器靶机等,以丰富比赛场景。
- 难度梯度设计:可以根据不同用户的技能水平,设计不同难度的靶机,满足不同层次学习者的需求。
- 自动化部署脚本:编写自动化脚本,使得靶机环境的部署更加快速和便捷。
- 交互式教学模块:集成教学模块,引导用户学习网络安全知识,并提供实验反馈。
- 靶机加固和攻防策略:通过分析攻击和防御手段,不断更新靶机配置,提升靶机的实战价值。
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
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
140
170
暂无简介
Dart
598
132
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++
634
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
746
🎉 (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
199
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