Skip to content
KitploitKITPLOIT
工具漏洞利用博客
Log in
提交
工具漏洞利用博客
提交

黑客、渗透测试和网络安全工具,武装您的安全武器库!

Kitploit 是一个黑客、网络安全和渗透测试工具的目录。发现最新的项目更新,查找漏洞、分析系统、自动化测试并加强你的安全。

··订阅源·联系·隐私·© 2026 Kitploit

工具目录

分类

查看所有分类
Loading categories
vger — 用于与经过身份验证的Jupyter实例交互的交互式CLI应用程序。 | Kitploit
工具/GitHubGitHub/josephtlucas/vger
权限提升持久化机制漏洞利用横向移动信息收集后渗透利用渗透测试命令与控制机器学习红队AI 安全
584201年前Kitploit 审核通过

最受欢迎

查看全部 →

发现我们社区最常用的工具。

探索所有工具

浏览我们的工具集合

查看所有工具 →
分享
GitHub
josephtlucas/vger

vger

用于与经过身份验证的Jupyter实例交互的交互式CLI应用程序。

查看仓库

V'ger

V'ger 是一款交互式命令行应用程序,用于已认证 Jupyter 实例的后利用阶段,专注于 AI/ML 安全运营。

用户故事

  • 作为红队成员,你发现了 Jupyter 凭据,但不知道能用来做什么。V'ger 采用对大多数进攻性安全专业人员直观的格式组织,帮助他们理解目标 Jupyter 服务器的功能。
  • 作为红队成员,你知道某些基于浏览器的操作对合法 Jupyter 用户是可见的。例如,修改标签页会出现在他们的工作空间中,在单元格中输入的命令会记录到历史中。V'ger 降低了检测风险。
  • 作为AI 红队成员,你了解学术算法攻击,但需要更实际的执行载体。例如,你可能需要修改一个大型、基础性的互联网规模数据集,作为模型投毒操作的一部分。在源端修改该数据集可能无法实现或会产生不理想的可审计痕迹。使用 V'ger,你可以在内存中实现相同目标,这是技术手段上的重大改进。
  • 作为蓝队成员,你希望了解实时 Jupyter 部署的日志记录和可见性。V'ger 可以帮助你生成可重复的工件,用于测试检测工具和执行应急响应演练。

使用方法

初始设置

  1. pip install vger
  2. vger --help

目前,vger interactive 功能最全,可维护已发现工件和定期作业的状态。然而,大多数功能也可以通过名称以非交互式格式使用:vger <模块>。使用 vger --help 列出可用模块。

命令

建立连接后,用户会进入一组嵌套菜单。

顶层菜单为:

  • Reset: 配置不同的主机。
  • Enumerate: 用于了解主机更多信息的工具。
  • Exploit: 用于对主机及工件执行直接操作和操纵的工具。
  • Persist: 用于建立持久化机制的工具。
  • Export: 将输出保存到文本文件。
  • Quit: 没人喜欢放弃者。

这些菜单包含以下功能:

  • List modules: 识别目标笔记本中导入的模块,以确定注入代码可用的库。
  • Inject: 在所选笔记本的上下文中执行代码。可通过文本编辑器提供代码,或指定本地 .py 文件。两种输入都会被作为字符串处理,并在笔记本运行时执行。
  • Backdoor: 启动一个新的 JupyterLab 实例,监听 0.0.0.0,在用户指定的 port 上以 allow-root 方式运行,并设置用户指定的 password。
  • Check History: 查看目标笔记本中最近运行的 ipython 命令。
  • Run shell command: 生成一个终端,运行命令,返回输出,然后删除终端。
  • List dir or get file: 列出相对于 Jupyter 目录的目录内容。如果不确定,从 / 开始。
  • Upload file: 将本地文件上传到目标。路径格式与 List dir 相同(相对于 Jupyter 目录)。需提供包含文件名和扩展名的完整路径。
  • Delete file: 删除文件。路径格式与 List dir 相同(相对于 Jupyter 目录)。
  • Find models: 根据常见文件格式查找模型。
  • Download models: 下载已发现的模型。
  • Snoop: 监控笔记本执行和结果,直至超时。
  • Recurring jobs: 启动/终止在目标环境中静默运行的定期代码片段。

实验性

使用 pip install vger[ai] 你将获得目标环境中笔记本的 LLM 生成的 摘要。这些摘要旨在为非 DS/AI 人员提供粗略的翻译,以便快速判断哪些笔记本值得进一步调查(或是否值得)。

模型大小与能力之间存在固有的权衡,我还会继续调整,但希望这对一些传统安全用户有所帮助。我非常希望看到大家开始对笔记本进行提示注入(“这些不是你要找的机器人”)。

示例

  • 覆盖 Torch 数据集以更改标签
下载工具