gitbook/Web漏洞挖掘实战/docs/496115.md

# 36｜智能攻防：构建个性化攻防平台

    你好，我是王昊天。

在之前的课程中，我们多次用到了潮汐社区版这款Web应用，并且知道了我们不仅可以利用它去运行各种安全工具及编排，还可以自己编写一些编排进行上传供其他用户使用。

这一讲，我们将会一步一步地学习如何使用潮汐社区版，让你充分发挥这款安全Web应用的功能，进行各种智能化的网络攻防行为。

## 潮汐开源社区版的使用

对于用户而言，我们首先需要注册账号，在注册过程中需要一个邀请码，你使用VefMiMj7N37tHDL7即可（仅支持有限个用户使用），这样我们就能登录成功。潮汐开源社区版lev.zone具有三个功能，即对于工具或编排的使用、添加工具以及添加编排，它们操作的复杂度逐渐在上升，让我们首先来学习对于工具/编排的使用吧。

![图片](https://static001.geekbang.org/resource/image/06/22/062342923ec379ae353490a2a1c23622.jpg?wh=1535x506)

## 对于工具/编排的使用

关于工具/编排的使用对应着使用说明文档的内容，你可以先对它进行浏览，这样在学习时会有一个大局观。

![图片](https://static001.geekbang.org/resource/image/23/2c/23b17cd7b08b5ed767e2b07a29a4262c.png?wh=1163x573)

事实上，我们可以将准备过程分为三部分，它们分别是前置环境安装、凭证上传与获取以及本地运行。

### 环境安装

在环境安装部分，我们进入到下方链接，选择适合自己操作系统的Docker进行安装。

```plain
https://docs.docker.com/get-docker/

```

这一步中值得注意的是，我们需要确保安装的Docker Engine版本为20.10.10以上，如果你直接点击页面上的默认安装是没有问题的，但是如果你电脑中原本就有Docker工具，我们可以在命令行输入 `docker info` 查看它的版本信息，如果低于20.10.10版本，那么就需要重新下载了。

完成Docker安装后，我们**要确保每次使用潮汐社区版时，Docker都处于启动状态**。

接下来，我们就进入到了下一个环节——凭证上传与获取。

### 凭证上传与获取

每一个使用潮汐开源社区的用户，都需要将自己的设备与潮汐开源社区平台链接，以便工具包能够在本地运行。我们需要登录潮汐开源社区平台，在账户设置—我的设备中，选择添加设备，并生成随机Token，请注意，此Token只会展示一次，所以**你最好把它记录在本地**。

![图片](https://static001.geekbang.org/resource/image/2e/e0/2e8d5687714190e32be252cfc4a7bde0.png?wh=1091x560)

下面，我们就开始进行本地运行相关配置。

首先是对于SSH的配置，我们需要运用如下命令进入到SSH公钥的文件目录，新建config文件，并写入配置信息。

```bash
# 运行的命令
$ cd ~/.ssh
$ vim config

# 配置信息
Host lev
        HostName service.lev.zone
        Port 2222
        User example_name   #这里换成您潮汐开源社区的用户名

```

这样就完成了对于SSH信息的配置。接下来，我们还需要启动docker-compose.yaml的内容。

### 本地运行

首先，我们在账户设置—我的设备中获取docker-compose.yml文件，然后进入docker-compose.yml所在文件目录，运行如下命令，搭建本地数据库环境、容器调用环境及与潮汐开源社区平台系统的远程链接，其中这里的Token即为凭证获取时记录在本地的内容。

```bash
LEV_USER=example_name LEV_TOKEN=“lev-token” docker compose up -d
# 将example_name改为你的用户名，lev-token改为你的token内容。

```

等待一段时间，使得容器全部启动完毕，恭喜你，到这里你就可以在潮汐开源社区任意使用各种安全工具啦！

## 添加工具

如果你不仅满足于对现有工具的使用，还希望在Web应用中添加自己喜欢的工具，那我们就需要学习如何添加工具。

注意，添加工具的学习需要你完成了使用工具/编排的相关配置，除此之外，我们还需要进行一些额外的配置。

### 环境安装

由于编写及上传个人工具与编排到潮汐开源社区的主要语言为Python3.10及以上的版本，所以我们需要安装相应的Python环境。

下载的方式为访问https://www.python.org/downloads/，然后选择符合你电脑操作系统的Python3最新版本即可。

这里我们还需要安装一个Python包管理器——PDM。因为潮汐开源社区会利用PDM进行一些包的管理、工具的可用性测试以及工具的上传。

下载的方式为进入PDM官网https://pdm.fming.dev/，然后点击Installtion选项，可以看到如下的命令行安装方式，我们只需要寻找符合自己电脑操作系统版本的命令进行安装即可。

```bash
# Linux/Mac
curl -sSL https://raw.githubusercontent.com/pdm-project/pdm/main/install-pdm.py | python3 -

# Windows
(Invoke-WebRequest -Uri https://raw.githubusercontent.com/pdm-project/pdm/main/install-pdm.py -UseBasicParsing).Content | python -

```

在安装完成之后，我们还需要运行如下命令，将安装结束后的路径加入到系统路径中。

```bash
export PATH=/root/.local/bin:$PATH

```

完成这一步骤后，我们可以输入 `pdm -V` 进行检查，如果看到输出的版本信息就代表我们安装成功了。

接下来，我们需要添加pep582环境变量的配置，如下列举了不同情况下的添加方式，你可以据此寻找合适的类别进行添加。

```bash
# Bash
pdm --pep582 >> ~/.bash_profile
pdm completion bash > /etc/bash_completion.d/pdm.bash-completion
pdm config feature.install_cache on

# Zsh
pdm --pep582 >> ~/.zprofile
pdm config feature.install_cache on

# Oh-My-Zsh:
pdm --pep582 >> ~/.zprofile
mkdir $ZSH_CUSTOM/plugins/pdm
pdm completion zsh > $ZSH_CUSTOM/plugins/pdm/_pdm
# Then make sure pdm plugin is enabled in ~/.zshrc
pdm config feature.install_cache on

#Fish
pdm --pep582 >> ~/.fprofile
pdm completion fish > ~/.config/fish/completions/pdm.fish
pdm config feature.install_cache on

# Powershell
# Create a directory to store completion scripts
pdm --pep582
mkdir $PROFILE\..\Completions
echo @'
Get-ChildItem "$PROFILE\..\Completions\" | ForEach-Object {
    . $_.FullName
}
'@ | Out-File -Append -Encoding utf8 $PROFILE
# Generate script
Set-ExecutionPolicy Unrestricted -Scope CurrentUser
pdm completion powershell | Out-File -Encoding utf8 $PROFILE\..\Completions\pdm_completion.ps1
pdm config feature.install_cache on

```

最后，我们还需要对编译器进行PDM的设置。

![图片](https://static001.geekbang.org/resource/image/a9/ab/a913ef2494d1aa37b389cb1ff4ab37ab.png?wh=1786x1482)

这里我们需要用VSCode编译器，点击左下角的设置按键，然后搜索settings，点击Edit in settings.json将如下命令加入到VSCode的settings.json中。

```plain
{
  "python.autoComplete.extraPaths": ["__pypackages__/<major.minor>/lib"],
  "python.analysis.extraPaths": ["__pypackages__/<major.minor>/lib"]
}

```

这样VSCode就可以支持PDM的设置方式，接下来，我们进入到凭证上传与获取阶段。

### 凭证上传与获取

每一个使用潮汐开源社区的开发者用户，都需要完成SSH公钥上传的操作，具体的实现方式如下：

```bash
Linux:
cd ~/.ssh
ls -la
# 如果有 .pub 文件存在（如 id_rsa.pub），则不需要再生成 SSH 公钥
cat ~/.ssh/id_rsa.pub

Windows:
cd C:\Users\username\.ssh    #username 是当前 Windows 用户名称
dir
# 如果有 .pub 文件存在（如 id_rsa.pub），则不需要再生成 SSH 公钥
type C:\Users\username\.ssh\id_rsa.pub

```

如果发现没有SSH密钥对，我们需要运行如下命令生成：

```bash
Linux:
ssh-keygen -t ecdsa -C "youremail@example.com"
# 不建议利用 rsa 加密算法生成密钥对，ecdsa 安全性更高

Windows:
安装 git: https://git-scm.com/download/win
进入 git bash
ssh-keygen
# 不建议利用 rsa 加密算法生成密钥对，ecdsa 安全性更高

```

生成密钥对后，我们在账户设置—公钥管理中，选择上传SSH公钥，然后将上述步骤生成的 .pub 公钥文件内容复制粘贴进行添加即可。

除此之外，我们还需要获取SDK凭证，它会在我们上传工具包时进行运用，我们在账户设置—开发者设置中，选择生成Token，并将它记录在本地。

到这里，我们就完成了凭证的获取。下面，我们学习如何对工具的镜像进行管理。

### 镜像管理

在学习镜像管理之前，我们先来了解一下镜像的作用是什么？

在我们潮汐社区版中的工具，都是放在镜像中的，然后系统调用上传的py文件，对这个镜像进行执行函数的设置从而运行这个工具。这可能有点复杂，不过不用担心，我们这里仅仅需要学会如何构建镜像以及上传镜像。

在Docker中，我们可以用一个Dockerfile来构建镜像，为了让你更好地理解，下面我们一起看一个示例：

```dockerfile
FROM python
RUN pip install requests
RUN pip install bs4
RUN pip install argparse
RUN pip install lxml
COPY dsuc.py .

```

这就是一个用来构建工具镜像的Dockerfile文件，其中FROM语句是从Dockerhub中引入镜像源Python，在这个镜像源中已经安装好了Python3环境，我们只需在此基础上继续构建，安装一些Python包，并将相同目录下的工具文件dsuc.py拷贝进镜像中就完成了工具的构建。

我们可以使用 `docker build . -t lev:latest`，将这个Dockerfile构建为镜像。然后我们在镜像内执行这款工具即可。

作为开发者用户，我们首先需要在自己的GitHub账号下创建一个仓库用于构建自己的某个工具。

![图片](https://static001.geekbang.org/resource/image/5f/2e/5f187b6a869148be743c1f6e5b165e2e.png?wh=997x566)

如上图所示，我们需要将Dockerfile以及依赖的文件dsuc.py一起上传到GitHub上。

然后，我们要在潮汐开源社区平台的账户设置—开发者设置中，选择绑定GitHub账户，并授权潮汐开源社区对我们GitHub仓库的访问。

之后，我们就可以在潮汐开源社区平台的仓库—镜像管理中，选择添加镜像，将名称填写为需要上传或测试的工具名以及适当的描述信息，点击提交，我们会对你提交的镜像进行审核，通过之后，该工具镜像就可供我们使用。

![图片](https://static001.geekbang.org/resource/image/7f/69/7f5e906yy679fd3c219e63dd20509569.png?wh=1287x730)

完成镜像的添加后，我们需要对景象的构建规则进行设置。具体的方式为在镜像管理中点击上传的镜像，然后选择构建规则，点击添加规则。

![图片](https://static001.geekbang.org/resource/image/c2/83/c2d2112b1a7439bd6b834ab0250bc483.png?wh=758x413)

之后根据GitHub中的类型，选择构建类型等信息，然后点击提交，即可完成镜像配置规则的设置。

![图片](https://static001.geekbang.org/resource/image/3e/9b/3ef91c61ef44e24bbbabdbc862a7139b.png?wh=1244x708)

完成构建规则的设置后，我们就可以点击构建，生成我们的镜像。等待一段时间后，我们可以在构建结果观察到我们的构建信息。

这样我们的工具镜像就可以使用了。下面，我们继续学习工具调用的方式。

### 添加工具/编排

在进行工具添加时，我们首先需要准备一个工作区目录，下面以 ./lev-hub 为例，这样我们就可以在其中编写代码文件。

之后，我们进入到 ./lev-hub 这个创建的工作区目录下，执行如下命令：

```bash
# 添加官方插件 pdm_lev
pdm plugin add pdm_lev

# 配置接入潮汐的 SDK 的凭证 将之前获取的 token 设置为全局变量
export LEVHUB_KEY={SDK token}

# 其中 username 代表你的用户名，tool 代表将要上传的工具名
pdm lev new username.tool   

# 在 ./lev-hub/username.tool 目录下安装 levrt 包
cd ./lev-hub/username.tool
pdm config pypi.url https://pypi.tuna.tsinghua.edu.cn/simple
pdm add levrt

```

假设我的用户名为example，并且我准备上传工具名为test，这样，我们就可以获得到如下目录结构：

```plain
example.test
├── lev
│   └── example
│       └── test
│           ├── __init__.py
│           ├── __pycache__
│           │   ├── __init__.cpython-310.pyc
│           │   ├── asset.cpython-310.pyc
│           │   └── tool.cpython-310.pyc
│           ├── asset.py
│           └── tool.py
└── pyproject.toml

```

这里，我对其中几个比较重要的文件做一下讲解。文件tool.py代表我们调用工具的方式，我们需要将它的名称改为实际的软件名test.py，同时注意将asset.py、test.py以及 \__init_\_.py 中的tool修改为test。

在创建完工具调用后，我们开始编写其中的代码，首先我们需要了解工具分类信息表，它代表不同工具的类型，我们在编写代码时需要用到。

![图片](https://static001.geekbang.org/resource/image/20/47/2068ffc92cf057e505be70784275c147.png?wh=1070x549)

了解完工具分类后，我们就可以写入test.py文件的内容如下，这是一个有模式的工具调用格式。

```python
"""
test工具的描述
# 此处需要空一行
---
name: test # 工具名称 
category:
  # 工具的分类，根据开发文档最下方的类型进行选择。
    - recon 
"""

# 工具的模式。
__modes__ = ["fast", "slow"]

# 导入工具依赖包，分别用于启动工具镜像、将结果数据写入数据库和改写 ENTRYPOINT

from levrt import Cr, ctx, remote

# url 是一个需要输入的字符参数。
def fast(url:str) -> Cr:
    """
    test fast模式

    ```
    await test.fast(["talentsec.cn"])
    ```
    ---
    params:
      domain:
        desc: 进行检测的域名
        patterns:
           - talentsec.cn
    image: .example.test:v1
    model: example/test.fast:1.0
    """

    @remote
    def entry(url):
        import subprocess
        import json
        output = subprocess.check_output(["python3", "/dsuc.py", "-u", url],text=True)
        outpuy = output.split("\n")
        outpuy.pop()
        result =  {"result":output}
        ctx.update(result)
    return Cr(".zerone.test.fast:v1", "zerone/test.fast:1.0", entry=entry(url))



def slow(url:str) -> Cr:
    """
    test slow模式

    ```
    await test.slow(["talentsec.cn"])
    ```
    ---
    params:
      domain:
        desc: 进行检测的域名
        patterns:
           - talentsec.cn
    image: .example.test:v1
    model: example/test.slow:1.0
    """

    @remote
    def entry(url):
        import subprocess
        import json
        output = subprocess.check_output(["python3", "/dsuc.py", "-u", url, "-s"],text=True)
        output = output.split("\n")
        output.pop()
        result =  {"result":output}
        ctx.update(result)
    return Cr(".example.test.slow:v1", "zerone/test.slow:1.0", entry=entry(url))

```

当我们的工具比较简单，仅仅有一个模式时，我们可以将它写为如下格式：

```python
from levrt import Cr, ctx, remote

def test(url:str) -> Cr:
    """
    test工具的描述

    ```
    await test("talentsec.cn")
    ```
    ---
    name: test url查询工具
    params:
      domain:
        desc: 进行检测的域名
        patterns:
           - talentsec.cn
    category:
      - misc
    image: .example.test:v1
    model: example/test:1.0
    """

    @remote
    def entry(url):
        import subprocess

        output = subprocess.check_output(
                ["python3", "/dsuc.py", "-u", url], text=True)

        output = output.split("\n")
        output.pop()
        result =  {"result":output}
        ctx.update(result)
    return Cr(".example.test:v1", "example/test:1.0", entry=entry(url))

```

到这里，我们已经知道了工具的调用方式，想要去执行这些工具还需要写好编排。**以多模式test工具为例，它有两种模式fast以及slow。**

我们在 ./lev-hub/username.tool/lev/username/tool/asset.py，对应到此处为 ./lev-hub/example.test/lev/example/test/asset.py中进行编写。

```python
# test（多模式工具简单调用）

import asyncio as aio
from levrt import ctx
from . import test



async def slow_test(domain:str):
    “””
    编排描述。

    ```
    await slow_test(“talentsec.cn”)
    ```
    —
    name: slow test 检测
    params:
      domain:
        desc: 进行检测的域名
        patterns: 
            - talentsec.cn
    model: example/test.slow:1.0
    “””
    result = await test.slow(domain)
    data = await result.get()
    print(data)

async def fast_test(domain:str):
    “””
    编排描述

    ```
    await fast_test(“talentsec.cn”)
    ```
    —
    name: fast test 检测
    params:
      domain:
        desc: 进行检测的域名
        patterns:
            - talentsec.cn
    model: example/test.fast:1.0
    “””
    result = await test.fast(domain)
    data = await result.get()
    print(data)



# test（无模式工具简单调用）

import asyncio as aio
from levrt import ctx
from .test import test



async def simple_test(domain:str):
    “””
    攻击者利用一个泛用于Unix系统中的二进制文件，使他们能够提升他们的权限并执行他们不应该被授权执行的操作。
    在此攻击模式下，gtfobins工具将利用输入的Unix二进制文件名，搜寻它可能存在的权限提升命令。

    ```
    await simple_test(“talentsec.cn”)
    ```
    —
    name: simple test 检测
    params:
      domain:
        desc: 进行检测的域名
        patterns:
            - talentsec.cn
    model: example/test:1.0
    “””
    result = await test(domain)
    data = await result.get()
    print(data)

```

写完编排内容后，我们还需要进行模块的导入操作，这样我们的工具才能被运行。

具体的方法为，在 ./lev-hub/example.test/lev/example/test/\__init_\_.py 中，将我们写好的编排及工具进行导入。

```python
# test 多模式工具
__all__ = [“test”, "slow_test", "fast_test"]
# 设定上传到潮汐社区的导出数组

from . import test # 工具定义的所有模式导入
from .asset import slow_test, fast_test # 导入编排

# gtfobins（无模式工具模块导出）
__all__ = ["test", "simple_test"]

from .test import test
from .asset import simple_test

```

现在，我们已经完成了工具内容相关的编写，如果你想要本地测试它的功能，我们需要在 ./lev-hub/username.tool 目录下，添加执行文件main.py。

```python
# 以多模式 test 工具为例
from lev.example.test import fast_test

if __name__ == "__main__":
    import levrt
    # import logging

    # logger = logging.getLogger("lev")
    # logger.setLevel(logging.DEBUG)
    # logger 相关的命令可以使工具在执行时，编译器命令行输出调试数据
    levrt.run(fast_test("talentsec.cn"))
    #注意，为了 subprocess 正确的执行命令，传入编排的参数值都要符合参数定义的类型

```

然后运行下列命令以启动talentsec/lev：

```plain
docker run -v /var/run/docker.sock:/var/run/docker.sock --rm -it talentsec/lev
# 或者可以使用如下环境变量传入 LEV_USER 及 LEV_AGENT_KEY 的方式
docker run -e LEV_USER=<your username> -e LEV_AGENT_KEY=<agent key> -v /var/run/docker.sock:/var/run/docker.sock --rm -it talentsec/lev
# 配置关联潮汐系统的终端 VPN 实例凭证 lev-agent-key

```

等待容器启动完成后，我们就可以在目录 ./lev-hub/username.tool 下用pdm run python main.py进行工具/编排的测试，如果有问题，我们可以及时对它进行修改。

当我们修改好后，并且检测完没有问题发生，我们就可以在 ./lev-hub/username.tool 目录下，运行 `pdm lev upload` 添加工具/编排。

这样，我们就完成了一个工具/编排的添加。

## 总结

在这节课程中，我们学习了如何使用潮汐社区版来构建自己的个性化攻防平台。

首先我们需要进行注册及登录操作，这样我们就可以进入到配置工作中，这里我们需要根据自己的需求进行配置。如果你仅仅想要使用其中的工具，那么我们只需要做好环境准备即可，其中包括Docker的安装、凭证的上传与获取，这些过程可以参考文档中的使用说明。

![图片](https://static001.geekbang.org/resource/image/92/26/9266cc33b5f9221d21b564947d1f9f26.png?wh=1594x863)

如果你想要自己添加一些心仪的工具，那么我们还需要参考开发文档，完成环境的安装，学习如何上传工具及编排以及本地测试的方法。你可能在第一次上传工具或编排时感到困难，不要灰心，只要成功过一次后，后续我们就可以轻松分享自己的工具，并且收获其他用户的感激与认可！

## 思考题

你对潮汐社区版有什么建议？

欢迎在评论区留下你的思考。如果觉得今天的内容对你有所帮助的话，也欢迎你把课程分享给其他同事或朋友，我们共同学习进步！