Internet worm入门教程

本文是Internet worm入门教程,介绍其传播途径,如通过email、IIS漏洞等。还阐述worm运行时的操作,包括驻留系统、感染本地文件等,以及获取email地址、发送自身的方法,探讨系统漏洞利用、本地感染必要性,推荐用C/C++编写,最后提醒可多样发挥。

Internet worm入门教程
by Koms Bomb

免责声明:
如果有人因为看了本文而写出任何恶性病毒进而对社会造成任何伤害,与本人无关。本人只是讨论一些理论知识而已。

写本文的目的:
1,像普及性知识那样普及病毒知识,即使是老处男(说我呢?郁闷中)老处女也要懂性知识,所以爱好编程的也最好懂一些病毒的编写原理。
2,发扬中国的病毒事业。为什么要发扬?去看我的其它文章。

一,Internet worm的传播途径
Internet worm,顾名思义,就是以Internet为主要传播途径的蠕虫。之所以说它是蠕虫,是因为它比病毒大,病毒通常几K,是微生物,而蠕虫通常几十到上百K,是大虫子(这个定义有些胡扯:))。通过Internet,最主要最流行的就是通过email,一家大公司的职员可能一天都不能上网看新闻,但不太可能一天都不收mail。这一类的代表有SirCam和Klez。除了mail外,还可以通过Internet server的漏洞进行传播,主要的有各种IIS漏洞,这一类的代表有CodeRed II和Nimda。
当然一个worm通常不止一种传播途径,可能几种并发。如Nimda有着IIS,email,net share,local file infection四种传播途径,不过它的成功主要是靠IIS,它的email传播能力是在是太差劲,和SirCam及Klez差了不止一个数量级。
本教程以mail worm为主,因为它们更具代表性。

二,当一个worm开始在用户机器上运行时应该干些什么
好了,用户一不留神运行了一个附件,我们可爱的worm开始执行。
首先应该驻留在系统中。通常都是把自己copy到system路径下(SirCam是以垃圾桶为家),然后修改注册表或者干脆注册一个系统服务,以使自己能在每次Windows启动的时候就被运行。
然后,呵呵,感染本地文件,然后搜集email地址,然后发送自己。既然你已经生活在用户的机器上,那么想做什么都是你自己的事了。

三,怎样得到email地址?
Outlook Express的WAB(地址簿)文件,html文件,其它网页文件(asp,php),各种即时通讯工具(MSN,ICQ)的地址簿,都是email地址的栖身之所。使用一点处理string的功夫,把它们分析出来,而不要用MAPI,那样太依赖于OE了。

四,怎样发送自己?
要发email,当然是用SMTP协议。再一次提醒不要用MAPI。
SMTP正如它的名字,很简单的。好的worm,如SirCam,Klez,都是用自己携带的SMTP engine。

五,应该利用什么系统漏洞?
那就看你的发掘了。Nimda大爆发以后,再去研究Unicode漏洞已经没什么意义,几乎所有的Web server都已经堵住了这个大洞。要么自己发掘新的漏洞,要么用一些“经久不衰”的漏洞。比如Klez用到的iframe漏洞,已经被发现一年多了,但Klez照样用它取得了惊人的战果。

六,有必要进行本地感染吗?
答案是肯定的。之所以大家公认Nimda和Klez非常难杀死,就是因为它们大量感染本地文件。如果是SirCam,则改一下注册表,然后清空垃圾桶就把它干掉了。一般Worm感染文件,不是像PE病毒那样真正的感染,而是木马式的捆绑(如Nimda)或者伴随感染(如Klez)。比如Nimda,感染的方式是把原程序放进自己的resouce section,做为资源的一部分,用的是Win2000的UpdateResource之类的API,似乎在98下不行。不过它很愚蠢的是,会重复感染,结果一个几百K的程序最后变成好几M了。

七,写Worm用什么语言?
只要可以编程的都可以用,汇编,VC,Delphi,甚至SQL或者PHP,但要想写得好,还是推荐汇编和C/C++。最好用C/C++,因为一般Worm不是非常注重size,而C/C++用起来更灵活,如果用汇编去处理Klez体内的字符串去生成邮件标题和内容,工作量一定大得多。
最著名的蠕虫几乎都是C/C++写的,比如Nimda,Klez。而SirCam则是用Delphi写的。但在一个Worm里用VCL库或者静态连接的MFC库(总之,是指静态的framework)是愚蠢的,没人会相信一个三四百K的Worm会和SirCam,Nimda或者Klez一样流行,除非全世界的个人上网带宽达到1M以上。

八,还应该注意什么?
这还问我???Worm比PE病毒要简单,但它用的手段也可以多种多样,随你发挥。

    2002年6月4日晚10时,Koms Bomb,痛饮啤酒中
欢迎转载,请保留“by Koms Bomb”

基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值