CSDN-DKY-网络攻防实践
20221903 2022-2023-2 《网络攻防实践》第3周作业
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区目录
- 1动手实践tcpdump
- 2动手实践Wireshark
- 3取证分析实践，解码网络扫描器（listen.cap）
- 4实验过程中遇到的问题及解决
- 5学习感想
1动手实践tcpdump
首先将kali的网络模式设置为桥接模式
查询本机IP地址为192.168.1.102
使用tcpdump开源软件对在本机上访问http://www.tianya.xn--cn-eq7cv93csn0ak9a1yrtmtn1p0fa/
键入命令sudo tcpdump -n src 192.168.1.102 and tcp port 80 and "tcp[13]&18=2"
然后打开浏览器，访问http://www.tianyan.cn/
可以看到访问了多个服务器
2动手实践Wireshark
键入命令luit -encoding gbk telnet bbs.fudan.edu.cn访问复旦大学的BBS服务器
发现其IP地址为202.120.225.9
在wireshark中输入telnet过滤，发现端口为23
通过追踪tcp流发现用户名为guest
由此可以看出telnet是明文传输用户名和密码
3取证分析实践，解码网络扫描器（listen.cap）
将listen.pcap拷贝到kali虚拟机中
安装snort软件，但是报 unable to locate package snort 错
解决办法：输入sudo vim /etc/apt/sources.list
把官方源注释掉，换成下面的
deb http://http.kali.org/kali kali-rolling main contrib non-free
deb http://http.kali.org/kali sana main non-free contrib
deb http://security.kali.org/kali-security sana/updates main contrib non-free
deb http://old.kali.org/kali moto main non-free contrib
然后更新sudo apt-get update
输入命令sudo chmod 777 /etc/snort/snort.conf给snort.conf可读可写可执行权限
输入snort -A console -q -u snort -c /etc/snort/snort.conf -r ~/listen.pcap命令对listen.pcap文件进行分析
可以看到是用nmap扫描的，攻击主机的ip地址为172.31.4.178，靶机ip地址为172.31.4.188，前三个问题的答案就找到了
接下来用wireshark打开listen.pcap文件
由于nmap在扫描前通常都会发送arp请求包来确认靶机是否活跃，因此先找下arp请求包
说明攻击者先执行了nmap -sP 172.31.4.188的命令
找到第2071个分组
可以看到有很多带有标志位的数据包，说明攻击者在进行操作系统的探测，通过构造各种各样的包发送给靶机，从靶机的回复中寻找操作系统的特征
命令为nmap -O 172.31.4.188
然后看第三次攻击，它发送的数据包和接受的数据包非常多，一共有13万个（刚好是65535的两倍左右），这些包几乎全都是syn包
说明在做全端口的扫描，采用的是tcp半开放扫描方式，nmap -sS -p 1-65535 172.31.4.188
最后看最后一次攻击，可以看到有telnet，http，dns等数据包，说明nmap在检测靶机开放了什么服务，命令为nmap -sV 172.31.4.188
输入过滤条件tcp.flags.syn == 1 and tcp.flags.ack == 1 and ip.src==172.31.1.188 ,查看靶机开放了哪些端口
可以看到有3306，139，23，80，25，22，53，21等端口开放
最后使用p0f工具帮助查看攻击机的操作系统
键入sudo p0f -r listen.pcap
可以看到攻击机的操作系统是linux 2.6.X
4实验过程中遇到的问题及解决
安装snort失败
问题1解决方案：需要换源，并维护数字签名
5学习感想
通过本次实验，进一步学习了使用snort，wireshark等工具进行数据包的分析，提高了动手能力。
相关推荐
基于线性车辆三自由度动力学+无迹卡尔曼滤波UKF估计模型（横摆角速度+质心侧偏角+车速）联合仿真
内容概要：通过构建基于线性车辆三自由度动力学模型与无迹卡尔曼滤波（UKF）的联合仿真系统，实现对车辆关键状态参数的高精度估计，重点包括横摆角速度、质心侧偏角和车速。该方法利用车辆动力学模型描述其横向、纵向及横摆运动行为，结合UKF这一适用于非线性系统的先进状态估计算法，有效处理传感器噪声和模型不确定性，从而在缺乏直接测量手段的情况下，实现对难以获取状态量的可靠估计。整个仿真框架通常在MATLAB/Simulink环境中搭建，能够模拟真实驾驶工况，验证算法的有效性和鲁棒性，为车辆稳定性控制、自动驾驶感知与决策等高级功能提供重要的状态信息支撑。; 适合人群：具备车辆动力学、现代控制理论和MATLAB/Simulink仿真基础，从事汽车工程、自动驾驶或状态估计相关研究的研发人员与研究生。; 使用场景及目标：① 深入理解并掌握非线性系统状态估计的核心方法，特别是UKF的原理与实现；② 学习如何将理论化的车辆动力学模型转化为可用于仿真的模块；③ 实践并验证车辆关键状态（如质心侧偏角）的间接估计技术，服务于车辆动态控制系统的设计与测试。; 阅读建议：此资源以开发仿真模型为核心，不仅关注代码和模型的实现，更强调对车辆动力学机理和滤波算法设计思路的理解。学习者应结合理论知识，动手搭建并调试仿真模型，通过改变工况和参数来观察估计效果，从而深刻领会系统辨识与状态估计在实际工程中的应用价值。
基于PID控制的ABS汽车防抱死制动系统、车轮滑移率+最优滑移率Carsim和Simulink联合仿真（带参考文献）
内容概要：本文档主要围绕基于PID控制的汽车防抱死制动系统（ABS）开展研究，重点聚焦于车轮滑移率与最优滑移率的精确控制。通过Carsim与Simulink联合仿真平台，构建整车动力学模型与ABS控制器，利用PID算法实时调节制动压力，使实际滑移率逼近理论最优值，从而最大化轮胎与路面间的纵向附着力并保障横向稳定性，有效提升紧急制动工况下的制动效能与操控安全性。研究涵盖了从车辆建模、滑移率特性分析、PID控制器设计到联合仿真验证的全过程，并提供了完整的仿真模型、MATLAB/Simulink代码及参考文献，为相关领域的科研与工程实践提供了详实的技术参考。; 适合人群：具备车辆工程、自动化或控制理论基础知识，从事汽车电控系统开发、自动驾驶或车辆动力学仿真的研究生、工程师及科研人员。; 使用场景及目标：① 实现ABS系统的核心控制逻辑，掌握滑移率控制的关键技术；② 学习Carsim与Simulink联合仿真的搭建方法，进行车辆动力学与控制算法的协同仿真；③ 基于PID控制策略优化制动性能，完成相关学术研究或工程项目。; 阅读建议：在学习过程中，应结合所提供的完整仿真模型和代码，深入理解车辆动力学与ABS控制的交互机制，重点分析不同路面附着系数下最优滑移率的设定及PID参数的整定过程，以达到最佳的仿真效果和理论认知。
R语言SCINature绘图模板SCI科研绘图-雷达图
R语言SCINature绘图模板SCI科研绘图--雷达图
JESD82-543 DDR5MRCD03 Multiplexed Rank Registering Clock Driver.rar
JESD82-543 DDR5MRCD03 Multiplexed Rank Registering Clock Driver.rar
【多机器人路径规划】基于动态边权膨胀与节点预留历史机制的多智能体无冲突轨迹生成方法（Matlab代码实现）
内容概要：本文提出了一种基于动态边权膨胀与节点预留历史机制的多智能体无冲突轨迹生成方法，旨在高效解决多机器人路径规划中的碰撞与死锁问题。该方法通过动态调整路径图中边的权重以反映局部拥堵状况，实现路径的实时优化；同时引入节点预留机制，记录各机器人对路径节点的占用历史，确保时空冲突的有效规避。算法融合了路径搜索、冲突检测、权重自适应更新与调度协调等核心模块，形成了完整的无冲突轨迹规划框架，并配套提供了Matlab代码实现，便于算法验证与性能分析。该方法在复杂动态环境中表现出良好的鲁棒性与可扩展性，适用于多机器人系统的协同运动控制。; 适合人群：具备一定编程基础和路径规划基础知识，从事自动化、机器人、智能交通、智能制造等相关领域的科研人员、工程技术人员及研究生。; 使用场景及目标：①应用于仓储物流、智能工厂、无人驾驶车队等多智能体协同作业场景中的路径规划与动态避障；②为解决多机器人系统中的路径冲突、通信协调与死锁预防等关键技术难题提供理论支持与算法工具；③通过Matlab仿真平台复现算法逻辑，进行不同规模与场景下的性能测试、对比分析与算法优化。; 阅读建议：建议读者结合提供的Matlab代码逐模块实现与调试，重点理解动态边权调整策略的设计原理与节点预留机制的实现细节，通过设置不同初始条件与障碍环境开展仿真实验，以全面掌握算法的运行机制与优化潜力。
