20212415 2021-2022-2 《网络与系统攻防技术》实验七实验报告

20212415李君健 2024-06-06 21:45:21

实验七 网络欺诈与防范

一、实验内容:

本实践的目标理解常用网络欺诈背后的原理,以提高防范意识,并提出具体防范方法。具体实践有
(1)简单应用SET工具建立冒名网站
(2)ettercap DNS spoof
(3)结合应用两种技术,用DNS spoof引导特定访问到冒名网站。

二、实验过程

本机kali的ip:192.168.35.131

1. 用SET工具建立冒名网站

在kali虚拟机输入指令setoolkit,选择1-2-3-1,然后输入攻击机的ip地址和克隆的网址,并开始监听,如下图所示:

img

img

在靶机中的浏览器输入虚拟机的ip后,网站输入的用户名和密码都能在kali中显示。

2. etterca DNS spoof

Winxp的ip:192.168.35.130
Kali的ip:192.168.35.131

将网卡改为混杂模式,同时更改DNS缓存表。输入如下指令:

ifconfig eth0 promisc    
vi /etc/ettercap/etter.dns 
www.baidu.com A 192.168.35.131
*.baidu.com A 192.168.35.131

更改后如下图所示:

img

执行sudo ettercap -G,选择网卡eth0 ,开始监听
点击Hosts,点击Hosts list,来查看存活主机。同时将攻击机网关的IP添加到target1,将靶机IP添加到target2。

img

接下来设置arp和dns欺骗,最后在winxp靶机中ping http://www.baidu.xn--com,kaliip,-h79rl55b26aga3wh9390cpmqqwg89uhs2dha1512cl32fbruc./

img

3. 结合应用两种技术,用DNS spoof引导特定访问到冒名网站

保持原有设置,将假冒的克隆网站换成http://tykd.com/User/login/
此时在winxp输入http://www.baidu.xn--comtykd-oo5k133oo97a8hg911he6c./

img

三、问题及解决方案

问题: 最开始在kali执行监听同网段主机探测存活时,主机无法被侦测到。
解决方案:检查发现是网卡没有改为混杂模式,更改后得以被侦测。

四、学习感悟

本次对网络欺诈进行了相关实践,主要采用的是DNS欺骗方法,同时使用ARP欺骗的工具。在做出欺骗网站并诱导用户输入个人基本信息后,后台便可以获取数据,从而窃取用户的信息来进行攻击。这警示我们不要随意点击不明来源的链接,不随意进入钓鱼网站,保护好个人信息。

...全文
436 回复 打赏 收藏 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
文末附数据集可视化效果图。 【数据集概况】 · 检测类别(中文):[矿石0(0), 矿石1(1), 矿石10(10), 矿石11(11), 矿石2(2), 矿石3(3), 矿石4(4), 矿石7(7), 矿石8(8), 矿石9(9), 模组矿石(modore), 普通矿石(ore)] · 训练集:1383 张 · 验证集:130 张 · 测试集:66 张 · 总计:1579 张 该数据集聚焦于典型游戏内资源采集场景,以俯视角呈现冰雪覆盖的虚拟地形环境,包含多种类型矿石与特殊资源点。数据集中各类矿石分布密集且形态多样,标注清晰,能够有效支持对复杂背景下的小目标识别与分类任务,具备较高的训练价值和实际应用潜力。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 100 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9185** mAP50-95 | 0.5810 Precision | 0.9468 Recall | 0.8648 train/box_loss | 1.2381 train/cls_loss | 0.4081 val/box_loss | 1.5489 val/cls_loss | 0.5361 【训练过程分析】 100 轮训练后 mAP50 达到 0.9185,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。但 mAP50-95 为 0.5810,和 mAP50 差距 0.34,定位精度仍有优化空间。 【模型性能评估】 Precision 0.9468、Recall 0.8648...
内容概要:本文提出一种融合细菌觅食优化算法(BFOA)、蚁群算法(ACO)与长短期记忆网络(LSTM)的混合智能算法A-ACO-LSTM,用于解决无人机在复杂三维环境中的路径规划问题。通过三维栅格地图建模,结合LSTM对航段风险的预测能力、BFOA在连续空间中的全局优化能力和ACO在离散栅格路径上的搜索优势,构建了“先学习—再优化—后修正”的协同框架。系统综合考虑路径长度、障碍碰撞、飞行风险、转弯平滑度和垂直爬升等因素,设计多目标归一化代价函数与动态权重机制,在保证飞行安全的前提下提升路径质量。代码基于MATLAB实现,包含环境生成、LSTM训练、BFOA连续优化、ACO离散搜索、路径融合与三维可视化等模块,支持参数配置、结果复现与工程扩展。; 适合人群:具备一定算法基础和MATLAB编程经验,从事无人机路径规划、智能优化算法或人工智能应用研究的研发人员及研究生。; 使用场景及目标:①应对城市楼宇、山地地形等复杂三维障碍环境下的无人机自主导航;②实现低能耗、高安全性、强鲁棒性的飞行路径规划;③为多源算法融合与深度学习辅助优化提供技术参考与实现范例; 阅读建议:建议结合完整代码与GUI界面深入理解各模块交互逻辑,重点关注LSTM风险预测与两种群智能算法的耦合机制,可通过更换训练数据、调整环境参数进行二次开发与性能测试。

98

社区成员

发帖
与我相关
我的任务
社区描述
网络攻防作业
网络安全 高校
社区管理员
  • blackwall0321
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧