DVWA靶场搭建教程

今天写bug了嘛 2024-02-28 11:49:50

 

  1. 靶场环境搭建

以DVWA靶场为例

1、集成环境PHP-Study

如果遇到端口被占用,那么可以关闭使用端口的进程或者更改端口

 

2、下载靶场DVWA环境

链接:GitHub - digininja/DVWA: Damn Vulnerable Web Application (DVWA)

 

将下载的DVWA解压到phpstudy网站根目录下,根目录可以自己设置,不固定。

3、修改配置文件

        将 config.inc.php.dist 复制一份或重命令为 config.inc.php,修改config.inc.php 里代码

 

4、网站管理

 

        创建网站,添加dvwa网站,参数方式如下所示,设置完毕后重启服务;点击管理,打开网站即可进入。

 

5、网站设置

        点击网站首页,会进入网站,之后就可以登陆查看信息;首先重置database

 

 

 

...全文
500 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
源码链接: https://pan.quark.cn/s/a4b39357ea24 在本研究中,我们将详细研究如何借助Python执行数据可视化,旨在剖析2018年期间中国四个主要城市——北京、上海、广州以及深圳的空气质量状况。通过绘制反映空气质量指数(AQI)与细颗粒物(PM2.5)变化趋势的图表,我们能够深入理解这些大都市全年的空气环境质量,并明确评估其优良天气所占的比重。 我们必须首先进行数据准备工作。在当前提供的压缩文件内,名为"2018天气"的文件极有可能是数据来源,其中可能收录了涉及四个城市每日空气质量监测的详细信息。这些数据通常涵盖日期、城市名称、AQI数值、PM2.5含量等核心参数。在Python编程环境中,我们惯常运用pandas库来对这类结构化数据进行高效的处理和分析。 1. **数据导入与初步处理**: - 利用`pandas.read_csv()`方法来导入存储为CSV格式的数据资料。 - 数据整理:对数据中的空白项、非正常数值进行修正,保证数据的精确性。 - 调整日期字段的格式,确保其能够适用于时间序列分析的需求。 2. **数据深度分析**: - 针对每个城市的AQI和PM2.5数据执行统计性描述,例如计算平均值、中位数、标准偏差等指标。 - 确定空气质量良好天气的天数,即那些AQI值低于75(依据中国的空气质量评估标准)的日数。 3. **数据呈现**: - 运用matplotlib或seaborn工具绘制折线图,直观展示四个城市在2018年全年的AQI和PM2.5变化动态。 - 可通过采用不同的颜色方案和线条类型来区分不同城市的数据系列。 - 添加必要的图示元素,如日期坐标轴、城市名称标注、图表标题及图例说明,以提升图表的可读...

1,939

社区成员

发帖
与我相关
我的任务
社区描述
这里是北京邮电大学的CSDN社区,欢迎各位可爱的北邮人加入到这个社区中来,让我们在学习中进行相互分享,在分享中提升自我,让我们一起为这个社区的发展,以及扩大北京邮电大学的影响力贡献出自己的一份力量吧!
社区管理员
  • c_university_8
  • hhh江月
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

1、这是北京邮电大学的CSDN社区,欢迎您的加入;

2、发表帖子的时候请注意用语文明;

3、欢迎大家在遵守上一条的前提下积极发帖,多多交流;

4、点赞、评论都会使自己的积分上升的,欢迎大家积极参与;

5、社区影响力的提高对我们的学校的影响力的提高是有一定的好处的;

6、如果有什么关于社区的疑问可以私信版主:hhh江月

7、欢迎大家点击下方的图片关注版主   ↓↓↓   ↓↓↓   ↓↓↓   。

试试用AI创作助手写篇文章吧