![]() |
Автор: Machine.
При копировании на другие ресурсы использовать копирайт. Сегодня я расскажу и покажу вам как можно использовать всю мощность ваших видеокарт для перебора паролей к Wi-Fi. Как-то не комильфо в наше время использовать только процессорные мощности под эти задачи (aircrack-ng), когда в 80% компьютеров есть видеокарта. Поэтому разумно использовать всю потенциальную мощность ваших систем. А именно, речь пойдет о замечательной программе pyrit. Немного о программе: Pyrit позволяет создавать огромные базы данных, для вычислений WPA/WPA2-PSK аутентификации. Используя вычислительную мощность многоядерных и других платформ через ATI-Stream, Nvidia CUDA и OpenCL, в настоящее время, безусловно, самая мощная атака против одной из наиболее часто используемых в мире безопасности протоколов. WPA/WPA2-PSK является подмножеством стандарта IEEE 802.11 WPA/WPA2, что усложняет распределение ключей и аутентификации клиента путем присвоения каждому участвующему Pre-Shared Key. Это главный ключ получается из пароля, который пользователю необходимо предварительно настроить, например, на своем ноутбуке и точке доступа. Когда ноутбук создает соединение с точкой доступа, новый ключ сессии происходит от мастер-ключа для шифрования и аутентификации."Ярлык" использования одного мастер-ключа, а не для отдельных пользовательских ключей облегчает развертывание WPA/WPA2-защищенных сетей для дома и малого офиса в использовании, за счет принятия протокола уязвимы для брутфорса, что позволяет в конечном итоге раскрыть пароль, который защищает сети. Дополнительную информации см. эту статью в блоге проекта. В чем профит? Сравните количество pmk/s на aircrack-ng и pyrit: http://img845.imageshack.us/img845/4...machine001.png http://img88.imageshack.us/img88/389...eusrlibpyt.png Разумно заметить, что все действия проводились в ubuntu 10.04 R2 x86_64 с видеокартой Ati R6950 Twin Frozr III. (Т.е. все справедливо для любых ubuntu-подобных систем, в частности для backtrack 5, с минимальными различиями для 32 и 64 битными системами). Установка Список необходимых программ: 1. AMD driver 11.6 2. AMD APP SDK 2.4 http://orwell.fiit.stuba.sk/~nou/amd-app_2.4_amd64.deb тырк 2 3. Pyrit Код:
svn checkout http://pyrit.googlecode.com/svn/trunk/ pyrit_svn1.Установка драйвера: Код:
chmod +x ati-driver-installer-11-5-x86.x86_64.run Код:
cp /home/user/Downloads/AMD-APP-SDK-v2.4-lnx64.tgz /home/userexport AMDAPPSDKROOT export AMDAPPSDKSAMPLESROOT export AMDAPPSDKROOT=/home/user/AMD-APP-SDK-v2.4-lnx64 export AMDAPPSDKSAMPLESROOT=/home/user/AMD-APP-SDK-v2.4-lnx64/samples export LD_LIBRARY_PATH=$AMDAPPSDKROOT/lib/x86:$AMDAPPSDKROOT/lib/x86_x64:$LD_LIBRARY_PATH http://img88.imageshack.us/img88/468...rcgedit003.png ! Поменяйте /user/ на свое имя пользователя Разумно заметить, что выше приведенный вариант работает для систем любой разрядности. Код:
sudo logoutКод:
tar xfz $AMDAPPSDKROOT/icd-registration.tgzВ некоторых англоязычных руководствах описана установка обеих технологий, которые используют карты Ati для взаимодействия непосредственно с карточкой, это OpenCL которая морально и физически устарела для этого дела, и Calpp с библиотеками libboost, которую мы и будем использовать. 4.Установка Calpp: Код:
sudo apt-get install libboost1.40-all-dev cmakeFIND_LIBRARY( LIB_ATICALCL aticalcl PATHS "/home/user/AMD-APP-SDK-v2.4-lnx64/lib/x86_64/" ) FIND_LIBRARY( LIB_ATICALRT aticalrt PATHS "/home/user/AMD-APP-SDK-v2.4-lnx64/lib/x86_64/" ) FIND_PATH( LIB_ATICAL_INCLUDE NAMES cal.h calcl.h PATHS "/home/user/AMD-APP-SDK-v2.4-lnx64/include/CAL" ) http://img692.imageshack.us/img692/5...calpp090ge.png Код:
sudo cmake .Код:
sudo apt-get install g++ python-dev zlib1g-dev libssl-dev python-scapy libpcap0.8 libpcap0.8-dev libpcap-devПроверяем правильность установки: Код:
pyrit selftest1. Смотрим доступные ядра процессора/видеокарт: Код:
pyrit list_coresКод:
pyrit benchmark#1: 'CAL++ Device #1 'ATI CYPRESS'': 82426.3 PMKs/s (RTT 2.4) #2: 'CPU-Core (SSE2)': 643.5 PMKs/s (RTT 3.0) #3: 'CPU-Core (SSE2)': 655.1 PMKs/s (RTT 3.0) #4: 'CPU-Core (SSE2)': 691.0 PMKs/s (RTT 2.9) #5: 'Network-Clients': 0.0 PMKs/s (RTT 0.0) Разумно заметить, что 1 видеокарта заменяет 1 ядро процессора, т.е. если у вас 2 и более карт, либо карта двухчиповая, то вывод будет таким: #1: 'CAL++ Device #1 'ATI CYPRESS'': 82426.3 PMKs/s (RTT 2.4) #2: 'CAL++ Device #2 'ATI JUNIPER'': 41805.7 PMKs/s (RTT 2.6) #3: 'CPU-Core (SSE2)': 655.1 PMKs/s (RTT 3.0) #4: 'CPU-Core (SSE2)': 691.0 PMKs/s (RTT 2.9) #5: 'Network-Clients': 0.0 PMKs/s (RTT 0.0) Далее все приведенные действия основываются на том, у вас уже есть .cap файл с перехваченным handshake'ом. ВАЖНО! В pyrit'е можно создавать целые базы прекомпилированных хешей для подбора паролей. Есть 2 варианта хранения и использования этих баз: Вариант 1 - хранение базы в скрытой домашней папке пользователя. Я его называю мобильным, т.е. берется файл с 1 миллионом часто встречающихся паролей, после чего к нему добавляются любые essid'ы для быстрой проверки (1 миллион слов + 1 essid на моей карте это примерно минута времени). Плюсы: Файл с паролями залил 1 раз и забыл (можно заливать сколько угодно, но НЕжелательно) Любое количество essid'ов с любыми именами Маленькие затраты по времени Минусы: При использовании словарей более 20 миллионов и хотя бы 10 разных essid'ов время тратится значительно больше. Вывод- плюсы плавно перетекают в минусы и наоборот. От себя замечу, что это идеальный вариант при наличии пробивного словаря до 1 миллиона слов, который позволит вам чекать разные .cap файлы с большой скоростью. Пример использования: Код:
pyrit -i /путь/до/файла/с/паролями/пароли.тхт import_passwordsПлюсы: Допустим 1 база на 10 уникальных essid'ов может использоваться для любых точек доступа при условии что имя точки совпадает с тем, что находится в базе. Т.е. если у двух ваших соседей имя точки доступа dlink, но естевственно разные mac-адреса, это НЕ помешает вам перебирать их по своей базе без необходится создания новой базы. Скорость Огромная скорость Сделал 1 базу на самые часто встречающиеся essid'ы и чекай их за минимальное время в любых !!! количествах. Минусы: Время компилирования Занимает много места на жестком диске. Вывод- сухие факты про мою базу: 850 миллионов слов, 24 essid'а, 32 часа компилирования, 650.000 pmk/s перебор по базе, вес 240 gb. Естевственно при меньшем кол-ве паролей и essid'ов затраты по времени уменьшаются прямопропорционально. Стоит это того или нет, каждый решает сам. Пример использования: Код:
pyrit -u file:///путь/до/файла/где/будет/база.db -i /путь/до/файла/с/паролями/пароли.тхт import_passwordsДля тех кто постоянно/проффесионально занимается подбором паролей к Wi-Fi наличие подобных программ существенно облегчает жизнь. Пару слов про аналоги - это программа commview for wifi , сделана под винду, я ее в глаза не видел и не трогал, потому что не пользуюсь виндой. Она, конечно, платная (500$ профит). Ссылки по теме: pyrit Замеры скорости перебора на Вашем компьютере Вопросы по commview здесь НЕ обсуждаются (только сравнение). Вопросы не по теме будут караться. Machine. 495260250 |
время компиляцыи убило насмерть 10 гигов компилировало более 3 часов
+ не видит видеокарту (но дрова встали 11/8 версия) добавлено в карту раздела |
Молодец. Так это ты ее на хабре запостил?
|
Да, зеркало на хабре
http://habrahabr.ru/blogs/infosecurity/122553/ добавляйтесь во френды |
Прошу помочь
Устанавливал так : 1. # svn checkout http://pyrit.googlecode.com/svn/trunk/ pyrit_svn 2. # sudo apt-get install libssl-dev # sudo apt-get install scapy # sudo apt-get install python-dev 3. # cd /pyrit_svn/pyrit # sudo python setup.py build # sudo python setup.py install 4. 4.1# http://developer.nvidia.com/cuda-toolkit-32-downloads 4.2# cd to /pyrit_svn/cpyrit_cuda 4.3 #sudo python setup.py build 4.4 # sudo python setup.py install На шаге : 4.3 # ssudo python setup.py build выдало следующее : oot@bt:~/pyrit_svn/cpyrit_cuda# sudo python setup.py build The CUDA compiler and headers required to build kernel were not found. Trying to continue anyway... running build running build_ext /bin/sh: nvcc: command not found None Failed to execute command 'nvcc -V' Traceback (most recent call last): File "setup.py", line 175, in setup(**setup_args) File "/usr/lib/python2.6/distutils/core.py", line 152, in setup dist.run_commands() File "/usr/lib/python2.6/distutils/dist.py", line 975, in run_commands self.run_command(cmd) File "/usr/lib/python2.6/distutils/dist.py", line 995, in run_command cmd_obj.run() File "/usr/lib/python2.6/distutils/command/build.py", line 135, in run self.run_command(cmd_name) File "/usr/lib/python2.6/distutils/cmd.py", line 333, in run_command self.distribution.run_command(command) File "/usr/lib/python2.6/distutils/dist.py", line 995, in run_command cmd_obj.run() File "setup.py", line 82, in run raise SystemError("Nvidia's CUDA-compiler 'nvcc' can't be " \ SystemError: Nvidia's CUDA-compiler 'nvcc' can't be found. root@bt:~/pyrit_svn/cpyrit_cuda# Гугл не помог =( запутал еще сильнее . . Установлено BT5 , видюха NVIDIA GTS 250 (стоят дрова NVIDIA-Linux-x86-275.09.07.run ) |
Вот тут хедеры не встали:
The CUDA compiler and headers required to build kernel were not found. Trying to continue anyway... Просто я с cuda дело не имел, кури тему на сайте пирита в разделе issuses |
хакырь однако, статья +
|
Спасибо за статью!
|
Спасибо за статью!
|
отличная статья!раадует что в ВТ это все есть и устанавливать не пришлось)
|
| Время: 17:55 |