首页 > 其他分享 >SEC504.1 Incident Response and Cyber Investigations 事件响应和网络调查 (LAB 6)

SEC504.1 Incident Response and Cyber Investigations 事件响应和网络调查 (LAB 6)

时间:2024-05-30 16:58:17浏览次数:26  
标签:psolympics Investigations 训练营 Cyber Bootcamp Olympics LAB Linux PowerShell

注意,不建议“勤奋”练习并自我感动,比“怎么做”更重要的是“怎么查”。

Bootcamp: Linux Olympics 训练营:Linux 奥运会

ï 使用您的 Slingshot Linux VM 完成 Bootcamp 模块
Linux Olympics
– 交互式、自定进度的活动,带有集成提示,可帮助您在 Linux 终端中完成常见任务
ï 培养您在 Linux 命令、文件系统导航、权限管理、进程处理、网络和文本文件处理方面的技能
ï 完成培训活动,将您的技能应用于 Linux 事件响应练习!
sec504@slingshot:~$ bootcamp

Bootcamp: PowerShell Olympics 训练营:PowerShell 奥运会

ï 使用 Windows VM 完成 Bootcamp 模块 PowerShell Olympics
– 与 Linux Olympics 类似,但专为 PowerShell 学习而设计
ï 打开资源管理器,导航至 C:\Tools\psolympics
– 启动 PowerShell Olympics 图标

要访问 PowerShell Olympics,请打开本课程媒体文件随附的 Windows 10 VM。
从 Explorer 导航到 C:\Tools\psolympics 目录。双击 PowerShell Olympics 图标以打开 PowerShell Olympics Launcher,如本页所示。选择您要处理的事件,然后单击启动按钮。

您应该先进行哪一个?

ï 如果您是 Linux 新手,请从 Linux Olympics 开始
– 常用命令、文件系统和流程培训活动
ï 如果您主要对 Windows 事件响应感兴趣,请从 PowerShell Olympics 开始
ï 这两个选项都是自驱动学习工具,内置帮助
– 如果您遇到困难,请运行提示
– 如果您真的遇到困难并想继续学习,请运行跳过
ï 课程结束后继续使用这些工具!

答案包含在您的课程媒体文件训练营目录中

Lab 1.6: Bootcamp: Linux Olympics 训练营:Linux 奥运会

提示:所有 Linux 奥运会挑战的答案都以 PDF 格式提供,位于 ISO 媒体文件的训练营目录中。

Walkthrough
Slingshot Linux

将终端配置文件更改为深色
Terminal | Change Profile | Dark
image

最大化您的终端窗口

开始 Bootcamp 练习
sec504@slingshot:~$ bootcamp

  • 这些B玩意有什么好练习的?
    image

为什么这个实验室很重要
我们将在课程中研究的许多黑客工具都将建立在这些 Linux 技能之上。此外,具有使用 Linux 工具背景的分析师将获得大量数据分析机会。通过我们在 Linux Olympics 中介绍的技术,您可以调整和实施这些技术,以帮助您解决许多常见的 IT 和信息安全挑战。

其他资源
与本实验室相关的其他资源
William Shotts 编写的《Linux 命令行》第二版 (https://nostarch.com/tlcl2)

Lab 1.7: Bootcamp: PowerShell Olympics

Walkthrough
C:\Tools\psolympics

504.2 Recon, Scanning, and Enumeration Attacks 侦察、扫描和枚举攻击
121

标签:psolympics,Investigations,训练营,Cyber,Bootcamp,Olympics,LAB,Linux,PowerShell
From: https://www.cnblogs.com/sec875/p/18222688

相关文章

  • Understanding and Mitigating the Label Noise in Pre-training on Downstream Tasks
    目录概符号说明经验性的结果NoisyModelLearning代码ChenH.,WangJ.,ShahA.,TaoR.,WeiH.,XieX.,SugiyamaM.andRajB.Understandingandmitigatingthelabelnoiseinpre-trainingondownstreamtasks.概本文讨论如果预训练模型在训练的时候存在噪声,会......
  • gitlab备份方法
    工具:gitlab社区版 一、修改配置文件 /etc/gitlab/gitlab.rb开启备份功能二、创建备份脚本backup.sh文件,内容如下,并给执行权限###backupgitlabgitlab-rakegitlab:backup:create>/dev/null2>&1if[$?-ne0];thenecho'Backupgitlabdataerror!'>/home......
  • 基于 MATLAB 的麻雀算法 (SSA) 优化注意力机制卷积神经网络结合门控循环单元 (SSA-Att
    鱼弦:公众号【红尘灯塔】,CSDN博客专家、内容合伙人、新星导师、全栈领域优质创作者、51CTO(Top红人+专家博主)、github开源爱好者(go-zero源码二次开发、游戏后端架构https://github.com/Peakchen)基于MATLAB的麻雀算法(SSA)优化注意力机制卷积神经网络结合门控循环单元......
  • 基于Matlab高斯滑动窗口滤波器
    欢迎大家点赞、收藏、关注、评论啦,由于篇幅有限,只展示了部分核心代码。文章目录一项目简介二、功能三、系统四.总结一项目简介  一、项目背景与意义在数字图像处理中,图像滤波是一项基本且重要的技术,用于去除图像中的噪声、增强图像的某些特征或改善图像的......
  • 基于Matlab OMP和KSVD算法的彩色图像修复
    欢迎大家点赞、收藏、关注、评论啦,由于篇幅有限,只展示了部分核心代码。文章目录一项目简介二、功能三、系统四.总结一项目简介  一、项目背景与意义在数字图像处理领域,图像修复技术一直是一个重要的研究方向。彩色图像修复旨在恢复图像中由于各种原因(如划......
  • m基于Qlearning强化学习工具箱的网格地图路径规划和避障matlab仿真
    1.算法仿真效果matlab2022a仿真结果如下:   2.算法涉及理论知识概要       Q-Learning是强化学习中的一种重要算法,它属于无模型(model-free)学习方法,能够使智能体在未知环境中学习最优策略,无需环境的具体模型。将Q-Learning应用于路线规划和避障策略中,智能体(如机......
  • 基于二维CS-SCHT变换和扩频方法的彩色图像水印嵌入和提取算法matlab仿真
    1.算法运行效果图预览   2.算法运行软件版本matlab2022a 3.算法理论概述水印嵌入原理   水印提取原理: 将嵌入水印的图像再次进行二维CS-SCHT变换。 提取变换后的低频系数,并按照嵌入时的规则去除宿主图像内容的影响,恢复出水印信息Wm′​。  ......
  • 多A*算法路径规划(附MATLAB代码)
     A*算法介绍A*算法是一种常用的寻路算法,被广泛应用于人工智能和游戏开发中。该算法通过评估每个节点的代价和启发式函数来找到最佳路径。在这篇博文中,我们将深入探讨A*算法的原理。A*算法的核心思想是在搜索过程中综合考虑两个因素:已经花费的代价和还需要花费的代价。具体而......
  • PSO算法路径规划(附MATLAB代码)
    粒子群优化(PSO)算法一种启发式优化算法,灵感来源于鸟群或鱼群等群体智能行为的模拟。PSO算法最早由Kennedy和Eberhart于1995年提出,通常用于解决搜索空间连续、高维的优化问题。PSO算法模拟了鸟群中鸟类搜索食物的行为。在PSO算法中,候选解称为粒子,每个粒子通过搜索空间中移动来......
  • 解决labelme中AI Model Ai Mask Ai Polygon选项下载onnx权重慢或者无法下载问题
    新版的labelme中已经内置了AIModel功能,能够通过模型智能识别图像中想要标注的区域,能够显著减少工作量。但是第一次使用这个功能的时候会要下载模型权重,此时一般速度会非常慢,或者出现报错无法下载,下面提出一种解决方法。如图,有5种模型,每个模型需要分别下载encoder和decoder两......