• 任务2:扫描渗透测试(50分)[2019年信息安全管理与评估赛题答案-01]


    任务环境说明:

    攻击机:

    • 物理机:Windows7
      • 物理机安装工具1:Microsoft Visual Studio 2008
      • 物理机安装工具2:OllyICE
    • 虚拟机1:Ubuntu_Linux
      • 虚拟机1安装工具1:Python3/Python2
      • 虚拟机1安装工具2:GCC
      • 虚拟机1安装工具3:GDB
      • 虚拟机1安装工具4:Netcat
      • 虚拟机1用户名:root,虚拟机1密码:123456
    • 虚拟机操作系统2:CentOS_Linux
      • 虚拟机2安装工具1:GCC
      • 虚拟机2安装工具2:GDB
      • 虚拟机2用户名:root,虚拟机2密码:123456

    靶机:

    • 服务器场景1:WindowsServer
      • 服务器场景1的FTP下载服务用户名:anonymous
    • 服务器场景2:Windows(不详)

    ##########################################

    ###按照往年,关于扫描的脚本有ARP、ICMP###

    ##########################################


     任务内容:

    1.针对服务器场景2上传一句话木马,使用文件包含将URL中有关文件包含的目录、网页、参数字符串作为参数,通过MD5函数运算后返回的哈希值的十六进制结果作为Flag值提交(形式:十六进制字符串);

    js/calendar.php?lang=

    将以上信息哈希加密(有等号),19年国赛任务二第一小题答案就是这个。漏洞是ecshop,可参考:https://www.seebug.org/vuldb/ssvid-26135

    2.在服务器场景2的磁盘C:Windows下找到ABC_03.py文件,将其上传到攻击机虚拟机1中,根据文件内注释要求的功能完善脚本,在完善脚本代码中,将FLAG1对应需要完善的内容字符串作为参数,通过MD5函数运算后,返回的哈希值的十六进制结果作为Flag值提交(形式:十六进制字符串);

    3.继续编辑ABC_03.py文件,在完善脚本代码中,将FLAG2对应需要完善的内容字符串作为参数,通过MD5函数运算后返回的哈希值的十六进制结果作为Flag值提交(形式:十六进制字符串);

    4.继续编辑ABC_03.py文件,在完善脚本代码中,将FLAG3对应需要完善的内容字符串作为参数,通过MD5函数运算后返回的哈希值的十六进制结果作为Flag值提交(形式:十六进制字符串);

    5.继续编辑ABC_03.py文件,在完善脚本代码中,将FLAG4对应需要完善的内容字符串作为参数,通过MD5函数运算后返回的哈希值的十六进制结果作为Flag值提交(形式:十六进制字符串);

    6.继续编辑ABC_03.py文件,在完善脚本代码中,将FLAG5对应需要完善的内容字符串作为参数,通过MD5函数运算后返回的哈希值的十六进制结果作为Flag值提交(形式:十六进制字符串);

    7.继续编辑ABC_03.py文件,在完善脚本代码中,将FLAG6对应需要完善的内容字符串作为参数,通过MD5函数运算后返回的哈希值的十六进制结果作为Flag值提交(形式:十六进制字符串);

    8.继续编辑ABC_03.py文件,在完善脚本代码中,将FLAG7对应需要完善的内容字符串作为参数,通过MD5函数运算后返回的哈希值的十六进制结果作为Flag值提交(形式:十六进制字符串);

    9.继续编辑ABC_03.py文件,在完善脚本代码中,将FLAG8对应需要完善的内容字符串作为参数,通过MD5函数运算后返回的哈希值的十六进制结果作为Flag值提交(形式:十六进制字符串);

    10.在攻击机虚拟机1当中执行脚本ABC_03.py,根据回显将扫描到的服务器场景2的端口输出信息字符串作为参数,通过MD5函数运算后返回的哈希值的十六进制结果作为Flag值提交(形式:十六进制字符串);

     扫描的几种方式:

    如果你觉得这篇文章对你有用你可以通过扫描下面的二维码进行打赏。

    ——>微信<——             ——>支付宝<——

     

  • 相关阅读:
    mysql 分库分表
    深度学习(四)转--入门深度学习的一些开源代码
    深度学习(三)转-可视化理解卷积神经网络 直接查看卷积神经网络的过程特征
    深度学习(二)神经网络中的卷积和反卷积原理
    深度学习(一)神经网络中的池化与反池化原理
    转-------基于R-CNN的物体检测
    vs2013下c++调用python脚本函数 出现的一些问题总结
    关于mfc作为上位机接收硬件端USB或串口数据显示成图片 解决串口接收数据丢字节丢包问题
    转-------CNN图像相似度匹配 2-channel network
    深度学习(五)基于tensorflow实现简单卷积神经网络Lenet5
  • 原文地址:https://www.cnblogs.com/nul1/p/10889635.html
Copyright © 2020-2023  润新知