在 Kali Linux 环境下，您可以利用丰富的工具集来完成多种渗透测试任务。以下是基于前面场景的一个简单实现指南，假设我们要继续对 `.train` 类型的机器学习模型进行良性安全性评估操作。 ### 准备工作 1. 安装必要的 Python 库 (如果尚未安装的话)，例如 `requests`, `numpy` 或其他用于处理模型输入输出的相关包。 ```bash apt update && apt install python3-pip -y pip3 install numpy requests ``` 2. 如果目标是远程服务器，则需确认网络连通情况；如果是本地文件形式的 `.train` 模型，请保证它已经被正确加载到内存当中并提供 API 接口访问途径。 ### 编写脚本 将上述提供的通用版本稍作修改即可适应于 Kali 中直接运行： ```python #!/usr/bin/env python3 import os from urllib.parse import urlparse import requests def validate_url(url): try: result = urlparse(url) return all([result.scheme, result.netloc]) except ValueError: return False if __name__ == '__main__': if not os.geteuid()==0: exit("[-] Please run this script as root user.") base_dir='/root/experiments/' os.makedirs(base_dir, exist_ok=True) # Modify these according to your setup. target_api='http://192.168.x.y:port_number/inference' assert(validate_url(target_api)), "[!] Invalid URL provided." payloads=[{'data':[i%256 for i in range(784)]}] * 5 + [{'malformed':b'\xff'*1024}] responses=[] for idx,payload in enumerate(payloads,start=1): resp=requests.post(target_api,json=payload) status_code=str(resp.status_code)+' '+resp.reason body_content=None if 'application/json'==resp.headers.get('Content-Type'): body_content=resp.json() log_line=f"\nTest {idx}: Payload Sent -> Status Code: {status_code}\nResponse Body:\t{body_content}" print(log_line,end='') responses.append((payload,status_code,body_content)) output_file=os.path.join(base_dir,'kali_test_results.log') with open(output_file,'wt',encoding='utf8')as outf: outf.writelines([repr(r)+'\n\n'for r in responses]) print("\n[+] All tests completed! Check logs at:",output_file) ``` 记得赋予执行权限后再启动： ```bash chmod u+x ml_security_tests.py ; ./ml_security_tests.py ``` ---