Skip to content
KitploitKITPLOIT
ToolsExploitsBlog
Log in
Einreichen
ToolsExploitsBlog
Einreichen

Hacking-, PenTest- und Cybersicherheits-Tools für Ihr Sicherheitsarsenal!

Kitploit ist ein Verzeichnis von Hacking-, Cybersicherheits- und Pentesting-Tools. Entdecken Sie die neuesten Projekt-Updates, um Schwachstellen zu finden, Systeme zu analysieren, Tests zu automatisieren und Ihre Sicherheit zu stärken.

FeedsKontaktDatenschutz© 2026 Kitploit

Tool-Verzeichnis

Kategorien

Alle Kategorien anzeigen
Loading categories
pygoat — Absichtlich verwundbare Webanwendungssicherheit in django | Kitploit
Tools/GitHubGitHub/adeyosemanputra/pygoat
SchwachstellenscannerWebsicherheitPenetrationstestsLernen & BildungLabs & Praxis
GitHubadeyosemanputra/pygoat

pygoat

Absichtlich verwundbare Webanwendungssicherheit in django

Repository anzeigen
3391.6k77vor 17 TagenVon Kitploit geprüft
Webseite
Teilen

PyGoat

All Contributors

absichtlich verwundbare Web-Application-Security in django. unsere Roadmap: eine absichtlich verwundbare Web-Anwendung in django erstellen. Die Schwachstelle kann auf den OWASP Top Ten basieren

Inhaltsverzeichnis

  • pygoat
    • Installation
      • Docker Compose (empfohlen)
      • Aus den Quellen
      • Windows-Hinweise
      • Installationsvideo
    • Deinstallation
    • Lösungen
    • Für Entwickler

Installation

Jedes Lab läuft in einem eigenen Docker-Container, daher benötigt PyGoat in allen Setups Docker.

Docker Compose (empfohlen)

Dies startet PyGoat, Traefik und alles, was die Labs benötigen.

  1. Installiere Docker mit dem Compose-Plugin. Die Ports 8000, 80 (Traefik, stellt die Labs bereit) und 8080 (Traefik-Dashboard) müssen frei sein.
  2. Klone das Repository und starte den Stack:
    git clone https://github.com/adeyosemanputra/pygoat.git
    cd pygoat
    docker compose up -d
    
    (Ältere Docker-Installationen verwenden docker-compose up -d.)
  3. Beim ersten Lauf werden alle Lab-Images erstellt, bevor die Web-App startet, was 10 Minuten oder länger dauern kann. Verfolgen Sie den Fortschritt mit docker compose logs -f migration. Bei späteren Läufen werden die Images wiederverwendet und der Start erfolgt schnell.
  4. Öffnen Sie die App unter http://lvh.me:8000 (nicht localhost). Labs werden unter lab-<username>-<lab>.lvh.me bereitgestellt und sind nur für den Benutzer zugänglich, der sie gestartet hat, was erfordert, dass das Login-Cookie über *.lvh.me hinweg geteilt wird.
  5. Stoppen Sie alles mit docker compose down.

Das Image pygoat/pygoat auf Docker Hub ist die alte v2-Version und enthält nicht die v3-Labs. Verwenden Sie stattdessen Docker Compose.

Aus den Quellen

Um das Projekt auf Ihrem lokalen Rechner einzurichten:

Klonen Sie zunächst das Repository über die GitHub-Website oder git im Terminal

  git clone https://github.com/adeyosemanputra/pygoat.git
  ### To Download a specific branch
  git clone -b <branch_name> https://github.com/adeyosemanputra/pygoat.git

Laden Sie dann Traefik auf Ihren lokalen Rechner im Pygoat-Verzeichnis herunter (falls Sie Docker Compose nicht verwenden) von der Traefik-Releases-Seite. Öffnen Sie ein separates Terminal und führen Sie die folgenden Befehle aus:

Für Linux/WSL -

tar -zxvf traefik_<traefik_version>_linux_<arch>.tar.gz
sudo ./traefik

Für Windows (Powershell) -

Expand-Archive traefik_<traefik_version>_windows_<arch>.zip
cd traefik_<traefik_version>_windows_<arch>
./traefik.exe

Sollten bei der Installation Probleme auftreten, lesen Sie bitte die Dokumentation

Methode 1

  1. Installieren Sie alle App- und Python-Anforderungen mit der Installer-Datei - bash installer.sh
  2. Wenden Sie die Migrationen an und füllen Sie die Daten vor:
    python3 manage.py migrate
    python3 manage.py seed_scoring
    python3 manage.py populate_labs
    
  3. Starten Sie abschließend den Entwicklungsserver python3 manage.py runserver.
  4. Das Projekt ist unter http://127.0.0.1:8000 verfügbar

Methode 2

  1. Installieren Sie die python3-Abhängigkeiten pip install -r requirements.txt.
  2. Wenden Sie die Migrationen und Seed-Daten an:
    python3 manage.py migrate
    python3 manage.py seed_scoring
    python3 manage.py populate_labs
    
  3. Starten Sie abschließend den Entwicklungsserver python3 manage.py runserver.
  4. Das Projekt ist unter http://127.0.0.1:8000 verfügbar

Methode 3

  1. Installieren Sie alle App- und Python-Anforderungen mithilfe der Datei setup.py - pip3 install .
  2. Wenden Sie die Migrationen und Seed-Daten an:
    python3 manage.py migrate
    python3 manage.py seed_scoring
    python3 manage.py populate_labs
    
  3. Starten Sie schließlich den Entwicklungsserver mit python3 manage.py runserver.
  4. Das Projekt ist unter http://127.0.0.1:8000 verfügbar.

Hinweise zu Windows

  • Verwenden Sie Docker Desktop mit dem WSL2-Backend. Die Labs sind Linux-Container, daher wird es benötigt.
  • Docker Compose ist der einfachste Weg, PyGoat unter Windows auszuführen. Bei einer Installation aus dem Quellcode funktioniert die Ausführung innerhalb von WSL2 (Ubuntu) besser als in der nativen PowerShell.
  • Bei einigen Windows-Setups ist der Befehl python3 nicht verfügbar. Verwenden Sie stattdessen python und stellen Sie sicher, dass er auf Python 3 verweist.
  • Verwenden Sie Python 3.11. Dies ist die Version, mit der CI getestet wird.

Installationsvideo

  1. Aus dem Quellcode mit installer.sh
  • PyGoat aus dem Quellcode installieren
  1. Ohne Verwendung von installer.sh
  1. Installation mit Mac M1 (unter Verwendung von Virtualenv)

Neue Labs hinzufügen

Dieser Abschnitt führt Sie durch die Erstellung und Integration neuer Schwachstellen-Labs in PyGoat.

Schritt 1: Verzeichnisstruktur für Labs erstellen

  1. Navigieren Sie zum Ordner dockerized_labs:
cd dockerized_labs
  1. Erstellen Sie ein neues Verzeichnis für Ihr Lab (verwenden Sie beschreibende Namen):
mkdir your_lab_name
cd your_lab_name

Schritt 2: Erforderliche Dateien erstellen

Erstelle die Standard-Anwendungsstruktur mit einem Dockerfile, docker-compose.yml, requirements.txt (falls Python verwendet wird), einem Haupteinstiegspunkt der Anwendung (z. B. app.py, main.py oder Äquivalent), verwundbaren Endpunkten oder Komponenten, die für das Lab relevant sind, und einer README.md, die das Lab dokumentiert. Die Anwendung muss nicht unbedingt eine Flask-Anwendung sein – es kann jedes Python-Projekt sein (bevorzugt, da dies Teil von Pygoat ist) oder auch eine andere Sprache, falls angemessen. Sieh dir bestehende Labs im Ordner dockerized_labs an, um Beispiele und Strukturkonventionen zu finden.

Wichtig: Füge in deiner app.py einen /health-Endpunkt für den Container-Health-Check hinzu.

Schritt 3: Lab in der Datenbank registrieren

  1. Greife auf das Django-Admin-Panel unter http://localhost:8000/admin/ zu und navigiere zum Abschnitt Labs.

  2. Füge einen neuen Eintrag hinzu mit:

    • Name: your_lab_name
    • Build Location: dockerized_labs/your_lab_name
    • Port: <PORT_NUMBER>

    (Alternativ kannst du es über die Django-Shell oder eine benutzerdefinierte Datenmigration registrieren).

Wichtig:

  • Prüfe die Datenbank oder das Django-Admin-Panel auf alle derzeit verwendeten Ports, bevor du einen neuen auswählst.
  • Verwende dieselbe Portnummer in Dockerfile, docker-compose.yml, app.py und dem Datenbankeintrag.

Schritt 4: Teste dein Lab

  1. Navigiere zurück zum Projektstamm:
cd /path/to/pygoat
Tool herunterladen

Beliebteste

Alle anzeigen →

Entdecken Sie die meistgenutzten Tools unserer Community.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Das ultimative OSINT-Toolkit: Untersuchungsgraph, Konfidenzbewertung, Alias-Familien, Karte, Zeitleiste und Berichte. 49 Module, 400+ Websites, keine API-Schlüssel erforderlich.

    717
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock One-Tap Execution App (CVE-2026-43499)

    504
  • 3

    ARTEX

    baarai/artex

    LLM-basierte Multi-Agenten-Plattform für autonome Penetrationstests mit Planer-/Worker-Agenten, Asset- und Explorationsgraphen, MITM-Verkehrsaufzeichnung und Schwachstellen-Retesting.

    402
  • 4

    redforge

    cybersecurity91/redforge

    Browser-seitiges Red-Team-Toolkit mit 102 Offline-Tools für Recon, Payload-Generierung, Credential-Angriffe, Krypto, Encoding und Engagement-Reporting.

    342
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Das System der Handlung für KI-native Cybersicherheit – wo Absicht zu gesteuerter Ausführung wird, Beweise zu operativem Gedächtnis werden und jeder Einsatz den nächsten verbessert.

    260
  • 6

    antifox

    antifox-ai/antifox

    KI-Multi-Agenten-Plattform für autonome Penetrationstests, die Recon, Angriffsflächen-Erkennung, Exploit-Validierung und evidenzbasierte Berichtserstellung durchführt.

    259

Alle Tools erkunden

Durchsuchen Sie unsere Tool-Sammlung

Alle Tools anzeigen →