记一次TL-R479-GPE-AC V4.0 SSH破解

最新推荐文章于 2024-07-17 14:11:34 发布
最新推荐文章于 2024-07-17 14:11:34 发布
阅读量8.3k 收藏 4
点赞数 3
文章标签： ssh 运维 安全
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/skyxc233/article/details/122555895
版权

同步于个人博客

高手解法

点击展开 后台打开 诊断模式以启动SSH 
echo -n "LAN口12位MAC地址" | md5sum #取前16位作密码
ssh root@YOUR-IP 33400 #注意端口
### 下面是破解过程

手中一台TPLINK TL-R479-GPE-AC V4.0 因无法将WAN与LAN直通，路由器自身只能使用WAN上网，故需破其SSH，因新机，遂不拆之

网上流传导出配置解压，导出后无法解压，7-zip也不识别为压缩文件 此路不通

后从官网找到原始固件 binwalk 解包后发现 /etc/init.d/dropbear 即SSH服务文件

然后发现其服务开启时设置了密码（应该是root）然后偷梁换柱强制修改密码

使用mksquashfs重新压缩上传固件

好! 不知道怎么签名固件 破解失败

固件是无法入手了，便从得知的root密码算法入手

之前已发现打开诊断模式即可开启SSH端口(端口号33400)

在后台打开诊断模式并导出诊断信息

导出后是一个bin文件，使用7-zip打开

拉到最后一行发现MAC地址与系统中显示的WAN地址不一样（ 后来才发现这是LAN口的MAC地址 )

便根据研究原始固件得到的算法 – md5 mac地址后取前16位

echo -n "诊断信息的MAC地址" | md5sum #根据MAC算出密码取前16位
ssh root@YOUR-IP 33400 #注意端口

然后一下就进去了 (bushi)

skyxingcheng
关注
  • 3
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 12
    评论
GPE-Helper::ambulance: GPE 小帮手－拯救你我的程式检定考试
05-13
AC 率、OnSite 次数、题目Access 次数等栏位排序 浏览器储存我的最爱题目 题目小分类处理 不负责任题目推荐度计算 Screenshots Development 详见pybin frontend资料夹里面README Other 专案开发心得可见我的blog ...
tp交换机管理页面_TP-Link-AC+AP使用体验TL-R479GPE-AC
weixin_30369405的博客
12-18 9791
折腾人的装修终于完工了，在入住前网络设备一直没空来弄，最近终于有几天假期，赶紧把早就规划好的TP全家桶下单，同时把全屋的网线水晶头给打好，刚刚简单做了些测试，做个简单的使用体验。2. 开箱：首先是479GPE，集成了路由、AC、PoE交换机功能，因为这是属于TP的“企业级”型号，因此包装风格也相当简单打开盒子就能看到机器主体主机+说明书(薄)+电源线+机柜安装架，没了-_-||看看主体吧，大铁盒，...
TPLINK TL-R479GP-AC ROOT过程和文件系统简单分析
gogoytgo的博客
02-08 1万+
参考文档：https://www.eatm.app/archives/395.html 1.导出配置 系统工具 -> 设备管理 ->备份与导入配置->备份 下载后是一个bin文件。重命名后缀名为.tar.gz，在Linux或cygwin下解压和修改（否则可能会丢失执行属性）。 tar zxvf XXX.tar.gz 2.修改配置开启SSH 打开配置文件tmp/userconfi...
一次破解TP-Link WAR308路由器的经历
fjh1997的博客
03-14 3722
tp-link路由器破解/SSH登录/root权限 此方法仅适用较新款的路由器.导出的备份配置能够使用7z打开,且基于系统openwrt二次开发的系统. 从路由中备份备份配置信息 使用7z解压出文件 开启SSH-如果路由中有’开启调试’选项,勾选即可,即为开启SSH登录 #修改文件userconfig/etc/config/dropbear, #查看option ssh_port_switch值，修改为'on' #如果已经为'on'则无需修改 config dropbear option PasswordA
浙江电信 PPPoE 全窝ipv6 案例（TL-R479GPE 4.0）
weixin_52727751的博客
04-24 8638
【原创】浙江电信 PPPoE 全窝ipv6 案例（TL-R479GPE 4.0） 目的是让每个设备拿到ipv6 地址。 只能说案例，称不上教程，因为网上教程泛滥，TP官网也提供了图文教程，https://smb.tp-link.com.cn/service/detail_article_4370.html 我只是照猫画虎，不同的路由不同的设置方式，本教程只对 浙江电信、PPPoE 模式拨号、TL-R479GPE 4.0 这个特定版本的宽带路由器来说成立，原理大家应该都差不多，可供各位参考。 至于目的是
华为路由器远程登陆之ssh
weixin_45857582的博客
05-27 5342
华为路由器远程登陆之ssh 第一步：添加管理IP地址： interface g0/0/0 ip address 192.168.1.1 24 quit 第二步：进入远程登陆配置视图，支持5个用户同时登陆，验证方式为aaa,登陆协议支持ssh. user-interface vty 0 4 authentication-mode aaa protocol inbound ssh quit 第三步：进入aaa视图，创建用户，权限为3，密码为admin@123,并允许此用户进行ssh登陆。 aaa local
tplink-ssh登录
weixin_30701521的博客
06-28 1万+
同步发表:https://www.eatm.app/archives/395.html 备份配置信息 开启SSH #修改文件userconfig/etc/config/dropbear, #查看option ssh_port_switch值，修改为'on'#如果已经为'on'则无需修改 config dropbear option P...
i219-v 改 i219-lm
02-10
新买的PC主板大多包含Intel 219-v芯片的网口，在安装某些服务器操作系统，例如Windows Server 2016的时候，因为Intel不提供相关的驱动，设备安装比较麻烦，通过某些第三方工具强行安装驱动是一种选择，修改主板GPE也...
gpe-e37-latest-updatesite.zip part4
09-11
官方下载的GWT离线安装包（不包含GWTDesigner） eclipse必须使用3.7的版本，提供给无法从官方下载的朋友 ...上传有限制，原包名gpe-e37-latest-updatesite.zip，分四卷压缩了一下，请全部下载完成后解压
gpe-e37-latest-updatesite.zip part3
09-11
官方下载的GWT离线安装包（不包含GWTDesigner） eclipse必须使用3.7的版本，提供给无法从官方下载的朋友 上传有限制，原包名gpe-e37-latest-updatesite.zip，分四卷压缩了一下，请全部下载完成后解压
TP-Link(普联)TL-H18RV1无线路由器固件v130613标版
07-25
TP-Link普联TL-H18R V1无线路由器固件130613标版（2013年7月2日发布） 适用于TL-H18R V1版本产品的标准版软件，不同型号或硬件版本不能使用该软件，升级前请确认版本。 注意：升级之后将无法再升级回之前的软件版本。
TP-LINK路由器后门的工具及方法
07-28
关于TP-LINK路由器后门的收集整理以及工具的使用方法，点到即止。
GPE340-Project:我在UAT参加GPE340课程的项目
03-19
在UAT（User Acceptance Testing，用户验收测试）阶段参与GPE340课程的项目，我们可以深入探讨C#编程语言及其在实际项目中的应用。C#是一种面向对象的、现代的、类型安全的编程语言，由微软开发，主要用于构建...
一次破解TP-Link WAR308路由器的经历(2)
fjh1997的博客
03-14 5926
说是破解其实也没有这么夸张啦,也就意外拿到了root密码. 先来说说背景吧,最初想要在公司的核心路由器上添加静态路由规则,通过IP地址段来判定网络出口,本来公司人就不多,当初就让熟人做一个套TP-Link的方案,核心路由用的是TP-R4239G 小型企业的路由器,管理界面都是tplink自己定制过的,恶心的要死,在后台Web管理界面只能手动一条一条增加,最多限制20条静态路由规则.20条明显不够用啊,APNIC中查出来的中国IP段都有7000多条了,哈哈,知道我要干嘛了吧 这个一看就知道肯定是有一个配置文
zigbee 6lowpan_广域无线物联网及6LoWPAN介绍
weixin_39575410的博客
11-23 466
一、物联网架构说起广域网无线物联网，大家一定会想到LoRa和NB-IoT。这两种网络是我们熟悉的可用于生产布署的广域网或城域网布置解决方案。为什么是这两种方案呢?我们知道物联网架构大体可分为三层：感知层、网络层和应用层。关于这三层的定义可以百度到很多，笔者就不重复了。LoRa和NB-IoT是目前远距离无线网络中最常见的技术方案，属于物联网架构的网络层，这两种网络满足了远距离、大容量、自组网以及低功...
TP-LINK WR886N路由器登录过程分析
热门推荐
dev_here的博客
04-24 4万+
         很多人看到标题可能会疑惑为什么要写这个路由器的登录过程？一般来说路由器的登录不都是使用的HTTP头来确认是否为管理员的吗？但是很不幸，TP这个公司为路由器新开发的固件里面并未使用HTTP头来认证，而是用了POST方法，理论上来说会比HTTP头的认证过程更加安全，但是这对一心想黑你路由器的黑客来说并没有什么卵用，还不如刷个OpenWRT然后用SSH。好了扯远了，来说下这个路由器的登...
在Windows中借Telnet或SSH登录路由器的Linux终端并刷写路由器固件
zyphio的专栏
01-27 4万+
一、Windows下利用Telnet协议登录路由器的Linux系统终端 （以DD-WRT固件的路由器为例。） 1.Telnet是Windows 7已配备的功能，只是默认是没有打开，进入：开始－控制面板－程序－打开或关闭Windows功能； 2.勾选“Telnet服务器”、“Telnet客户端”两个项目，按“确定”键后等待一会即可打开Telnet功能。 3.进入Windows的“命令
TP-link在命令行模式下的一些基本设置
写代码的dodo
03-13 2万+
Tp-link在cmd下支持的命令，少的可怜。我试过比较有用的也就是重启，导出配置导入配置，修改用户密码，显示hash密码值。
分布式存储Ceph的部署及应用（创建MDS、RBD、RGW 接口）
最新发布
weixin_44112402的博客
07-17 804
存储机制会把数据分散存储到多个节点上，具有高扩展性、高性能、高可用性等优点。Ceph使用C++语言开发，是一个开放、自我修复和自我管理的开源分布式存储系统。具有高扩展性、高性能、高可靠性的优点。Ceph目前已得到众多云计算厂商的支持并被广泛应用。RedHat及OpenStack，Kubernetes都可与Ceph整合以支持虚拟机镜像的后端存储。粗略估计，我国70%—80%的云平台都将Ceph作为底层的存储平台，由此可见Ceph俨然成为了开源云平台的标配。
帮我用python写一个分类方法为朴素贝叶斯，聚类方法为k-means的推荐系统，并生成关系提取（知识图谱）的代码
05-24
好的，让我们分步骤来实现。 首先，我们需要准备一些数据来构建我们的推荐系统。假设我们有一个电影推荐系统，我们将使用电影数据集来构建它。 1. 数据准备 我们将使用 MovieLens 数据集，它包含了大量的电影评分数据。您可以在 https://grouplens.org/datasets/movielens/ 上下载数据集。 下载完数据集后，我们需要解压缩它并将文件移动到我们的项目目录中。我们将使用以下文件： - ratings.csv：包含用户对电影的评分 - movies.csv：包含电影的详细信息 我们将使用 Pandas 库来加载和处理这些文件。运行以下代码： ```python import pandas as pd # 加载数据 ratings = pd.read_csv('ratings.csv') movies = pd.read_csv('movies.csv') # 合并数据 data = pd.merge(ratings, movies, on='movieId') ``` 现在，我们准备好使用数据来构建推荐系统。 2. 朴素贝叶斯分类器 我们将使用朴素贝叶斯分类器来预测用户可能喜欢的电影类型。我们将使用 scikit-learn 库来实现这个分类器。运行以下代码： ```python from sklearn.naive_bayes import MultinomialNB from sklearn.feature_extraction.text import CountVectorizer # 创建特征向量 vectorizer = CountVectorizer(token_pattern=r'\b\w+\b') X = vectorizer.fit_transform(movies['genres']) # 创建朴素贝叶斯分类器 nb = MultinomialNB() nb.fit(X, movies['title']) ``` 这个朴素贝叶斯分类器将基于电影类型来预测用户可能喜欢的电影。我们可以使用以下代码来测试它： ```python # 预测用户可能喜欢的电影 user_genre = 'Action|Adventure|Sci-Fi' user_genre_vec = vectorizer.transform([user_genre]) predicted_movies = nb.predict(user_genre_vec) # 打印预测的电影 print(predicted_movies) ``` 现在我们已经有了一个朴素贝叶斯分类器来预测用户可能喜欢的电影类型，接下来我们将使用 k-means 聚类算法来为用户推荐电影。 3. k-means 聚类算法 我们将使用 k-means 算法来将电影分成不同的群组。我们将使用 scikit-learn 库来实现这个算法。运行以下代码： ```python from sklearn.cluster import KMeans from sklearn.pipeline import make_pipeline # 创建 k-means 管道 pipeline = make_pipeline( CountVectorizer(token_pattern=r'\b\w+\b'), KMeans(n_clusters=5) ) # 训练 k-means 模型 pipeline.fit(movies['genres']) # 预测电影属于哪个群组 predicted_groups = pipeline.predict(movies['genres']) ``` 现在，我们已经将电影分成了不同的群组，接下来我们将为每个用户推荐电影。 4. 推荐系统 我们将使用以下算法为每个用户推荐电影： - 找到与用户最相似的其他用户 - 从这些用户喜欢的电影中选择一个群组 - 从该群组中选择一部电影，该电影没有被该用户评分过 让我们逐步实现这个算法。 首先，我们将通过计算每对用户之间的相似度来找到与用户最相似的其他用户。我们将使用 Pearson 相关系数来计算相似度。运行以下代码： ```python import numpy as np # 计算每对用户之间的 Pearson 相关系数 def pearson_similarity(user1, user2): # 找到两个用户共同评分的电影 movies1 = ratings[ratings['userId'] == user1]['movieId'] movies2 = ratings[ratings['userId'] == user2]['movieId'] common_movies = set(movies1).intersection(set(movies2)) # 如果两个用户没有共同评分的电影，则相似度为 0 if len(common_movies) == 0: return 0 # 找到两个用户共同评分电影的评分 ratings1 = ratings[(ratings['userId'] == user1) & (ratings['movieId'].isin(common_movies))]['rating'] ratings2 = ratings[(ratings['userId'] == user2) & (ratings['movieId'].isin(common_movies))]['rating'] # 计算 Pearson 相关系数 return np.corrcoef(ratings1, ratings2)[0, 1] # 找到与用户最相似的其他用户 def find_similar_users(user): similarities = [] for other_user in ratings['userId'].unique(): if other_user != user: similarity = pearson_similarity(user, other_user) similarities.append((other_user, similarity)) # 按照相似度排序 similarities.sort(reverse=True, key=lambda x: x[1]) return similarities[:10] ``` 现在我们已经找到了与用户最相似的其他用户，接下来我们将选择一个群组，该群组包含这些用户喜欢的电影。 ```python # 找到喜欢某个电影的用户所在的群组 def find_group(movieId): genre = movies[movies['movieId'] == movieId]['genres'].values[0] group = pipeline.predict([genre])[0] return group # 找到从某个群组中选择一部未评分电影的用户 def find_movie(user, group): # 找到用户已经评分过的电影 rated_movies = ratings[ratings['userId'] == user]['movieId'] # 找到群组中所有电影 group_movies = movies[predicted_groups == group]['movieId'] # 从群组中选择一部未评分电影 for movie in group_movies: if movie not in rated_movies: return movie return None ``` 现在我们已经准备好为每个用户推荐电影了。运行以下代码： ```python # 为每个用户推荐电影 for user in ratings['userId'].unique(): # 找到与用户最相似的其他用户 similar_users = find_similar_users(user) # 选择一个群组，该群组包含这些用户喜欢的电影 group = None for other_user, similarity in similar_users: rated_movies = ratings[ratings['userId'] == other_user]['movieId'] for movie in rated_movies: group = find_group(movie) if group is not None: break if group is not None: break # 从该群组中选择一部电影，该电影没有被该用户评分过 movie = find_movie(user, group) # 打印推荐的电影 if movie is not None: title = movies[movies['movieId'] == movie]['title'].values[0] print(f"User {user} may like: {title}") ``` 现在我们已经为每个用户推荐了一部电影，接下来我们将生成关系提取（知识图谱）的代码。 5. 关系提取（知识图谱） 我们将使用 spaCy 库来生成关系提取。运行以下代码： ```python import spacy # 加载英文模型 nlp = spacy.load('en_core_web_sm') # 定义实体类型 entity_types = ['PERSON', 'ORG', 'GPE', 'PRODUCT'] # 生成关系提取 def extract_relations(text): # 将文本作为 spaCy 文档处理 doc = nlp(text) # 找到所有实体 entities = [] for ent in doc.ents: if ent.label_ in entity_types: entities.append(ent) # 生成所有实体之间的关系 relations = [] for i in range(len(entities)): for j in range(i+1, len(entities)): relation = (entities[i].text, entities[i].label_, entities[j].text, entities[j].label_) relations.append(relation) return relations ``` 现在我们已经准备好使用提取的关系来构建知识图谱了。我们将使用 NetworkX 库来实现这个知识图谱。运行以下代码： ```python import networkx as nx import matplotlib.pyplot as plt # 创建空的知识图谱 graph = nx.Graph() # 添加实体和关系 for row in data.itertuples(): title = row.title genres = row.genres.split('|') for genre in genres: graph.add_node(genre) graph.add_edge(title, genre) text = row.title + ' ' + row.genres relations = extract_relations(text) for relation in relations: graph.add_node(relation[0], type=relation[1]) graph.add_node(relation[2], type=relation[3]) graph.add_edge(relation[0], relation[2], label='related to') # 绘制知识图谱 pos = nx.spring_layout(graph) nx.draw_networkx_nodes(graph, pos, node_size=10) nx.draw_networkx_edges(graph, pos, width=0.5) nx.draw_networkx_labels(graph, pos, font_size=8) nx.draw_networkx_edge_labels(graph, pos, font_size=6) plt.show() ``` 现在我们已经生成了一个知识图谱，其中包含电影、类型和实体之间的关系。 希望这个代码能帮助到你。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 12
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值