Nmap 扫描

最近在家里学习渗透,看到了nmap对服务器进行端口扫描,记录学习如下:

Nmap支持非常多的扫描方式,包括TCP Syn ,TCP Connect,TCP ACK,TCP FIN/Xmas/NULL,UDP等扫描方式。Nmap 扫描用法较为简单,并且提供丰富的参数来指定扫描方式。

 案例一:扫描指定IP所开放端口

输入命令:nmap -sS -p 1-65535 -v 192.168.1.106,表示使用半开扫描,指定为端口为1到65535,并且显示扫描过程,常用扫描参数如表所示,如需等多扫描参数请参照Nmap -help命令

-sT

TCP connect()扫描,这种方式会在目标主机的日志中会记录大批的连接请求以及错误信息

-sS 

半开扫描,很少有系统能够把这记入系统日志。不过,需要root权限

-sF  -sN

秘密FIN数据包扫描、圣诞树(Xmas Tree)、空(Null)扫描模式

-sP

ping扫描,Nmap在扫描端口时,默认都会使用ping扫描,只有主机存活,Nmap才会继续扫描

-sU

UDP扫描,但UDP扫描是不可靠的

-sA

这项高级的扫描方法通常用来穿过防火墙的规则集

-sV

探测端口服务版本

-P0

扫描之前不需要ping,有些防火墙禁止ping。可以使用此选项进行扫描

-v

显示扫描过程,推荐使用

-h

帮助选项,必看,最清楚的帮助文档

-p

指定端口,如[1-65535],[1433,135,3389,22]等格式

-O

启用远程操作系统检测,存在误报

-A

全面系统检测,启用脚本检测,扫描等。

-oN/-oX/-oG

讲将报告写入文件,分别是三种格式[正常,XML,grepable]

-T4

针对TCP端口禁止动态扫描延迟超过10ms

-iL

读取主机列表,例如[-iL C:\ip.txt]

案例二:扫描www.ssser.com C段存活主机

命令:nmap -sP www.ssser.com/24

 

案例三:指定端口扫描

命令:nmap -p 80,1433,22,1521 www.ssser.com

 

案例四:探测主机操作系统

命令:nmap -o www.ssser.com

 

案例五:全面系统探测

命令:nmap -v -A www.ssser.com  注意:Nmap默认扫描主机1000个高危端口,若需要全面检测端口,则需要加入 “-p 1-65535” 或者 “-p-”

 

案例六:穿透防火墙进行扫描

www.2cto.com是禁止ping的,Nmap的一些常用选项,无法再起作用,这是可以利用-PN参数,命令:nmap -Pn -A  www.2cto.com

 

案例七:扫描web敏感目录

以xxser.com为例,仅需要输入命令 nmap -p 80 --script=http-enum.nse www.xxser.com 即可,如图4-8所示。

 

案例八:扫描SqlInjection

扫描SQL注射漏洞是比较简单的,主要用到了sql-injection.nse脚本文件,此脚本文件可以在Nmap官网下载。注:速度较慢。

命令:nmap -p 80 --script=sql-injection.nse www.xxser.com

 

案例九:使用所有脚本进行扫描

命令:nmap --script all 127.0.0.1  注意:使用此命令非常耗时,最好把记录保存到文档里面。

 

案例十:使用通配符扫描

命令:nmap --script "http-*" 127.0.0.1 ,使用所有以“http-”开头的脚本扫描,值得注意的是,脚本的参数必须用引号引起来,以保护从shell的通配符。

 

在渗透测试中,用好Nmap脚本引擎是一大助力。你可以自由的利用每个参数进行扫描,探测,非常灵活。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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