12.7、后渗透测试--python插件执行py脚本

本文介绍了如何在Meterpreter中加载并使用Python插件,包括执行Python单条语句的方法、查看命令帮助以及导入并运行Python文件的具体步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

加载python插件:meterpreter > load python
查看指令集:meterpreter > help
python执行单条语句
meterpreter > python_execute "import os; cd=os.getcwd()" -r cd    # 将os.getcwd()赋值给 cd 这个变量,然后用 -r cd 读取 cd 这个变量的值
python执行py文件
meterpreter > python_import -f test.py

### 解决 PyTorch 在 CUDA 版本 12.7 下未启用编译的问题 当遇到 `AttributeError: module 'distutils' has no attribute 'version'` 的错误时,这通常是因为 Python 中的 `distutils` 已被弃用并替换为更现代的工具链[^1]。此问题可能间接影响到 TensorBoard 和其他依赖项的功能。 对于 PyTorch 编译时未启用 CUDA 支持的情况,以下是详细的解决方案: #### 更新 setuptools 并修复 distutils 错误 可以通过升级 `setuptools` 来解决上述错误。执行以下命令来更新 `setuptools` 到最新版本: ```bash pip install --upgrade setuptools ``` 如果仍然存在兼容性问题,则可以尝试安装特定版本的 `setuptools` 或者通过修改环境变量的方式绕过该错误。例如,某些情况下降级至较旧版本可能会解决问题: ```bash pip install setuptools==58.0.4 ``` #### 验证 PyTorch 是否支持当前系统的 CUDA 版本 PyTorch 官方预构建二进制文件仅支持部分已验证过的 CUDA 版本组合。如果你正在使用自定义或非官方支持的 CUDA 版本(如 CUDA 12.7),则需要手动重新编译 PyTorch 以适配目标硬件架构。 ##### 方法一:切换到受支持的 CUDA 版本 推荐先确认是否有适合的 PyTorch 轮子可用。访问 [PyTorch官网](https://pytorch.org/get-started/locally/) 获取对应于你系统配置的安装指令。例如: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia ``` 或者通过 pip 进行安装: ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 ``` 注意这里的 `cu118` 表示使用的 CUDA Toolkit 是 11.8。由于目前尚未有针对 CUDA 12.7 的正式发布版轮子,因此建议暂时回退到稳定版本。 ##### 方法二:自行编译 PyTorch 若必须坚持使用最新的 NVIDIA GPU 功能集以及 CUDA 12.7,请考虑从源码编译 PyTorch。具体操作如下所示: 1. **克隆仓库** ```bash git clone --recursive https://github.com/pytorch/pytorch.git cd pytorch ``` 2. **设置必要的环境变量** 确保指定正确的路径指向本地安装好的 CUDA SDK 及驱动程序。 ```bash export TORCH_CUDA_ARCH_LIST="8.9" export USE_NCCL=1 export NCCL_ROOT_DIR=/usr/local/cuda-12.7/ ``` 3. **运行构建脚本** 使用以下命令启动完整的 CMake 构建流程。 ```bash python setup.py develop ``` 完成之后再次测试设备初始化逻辑是否正常工作: ```python import torch print(torch.cuda.is_available()) # 应返回 True 如果成功启用了GPU加速功能的话 ``` --- ### 提高效率的小贴士 为了减少未来可能出现类似的冲突情况发生几率,强烈建议创建独立虚拟环境中隔离不同项目所需的库及其各自版本需求差异。比如借助 Conda 创建新环境后再导入所需组件包即可轻松管理复杂依赖关系结构。
评论
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