Shaktale
Bueno vamos a ver lo que tendríamos que hacer después de instalar Ubuntu (10.10, en mi caso).
mkdir cuda
cd cuda
wget -c http://developer.download.nvidia.com/compute/cuda/2_3/drivers/cudadriver_2.3_linux_32_190.18.run
wget -c http://developer.download.nvidia.com/compute/cuda/2_3/toolkit/cudatoolkit_2.3_linux_32_ubuntu9.04.run
#(Para esta parte del proceso, tenemos que cerrar nuestro motor grafico)
#GDM
/etc/init.d/gdm stop
#KDM
/etc/init.d/kdm stop
#y procedemos
chmod a+x *.run
./cudadriver_2.3_linux_32_190.18.run
hecho esto podemos volver a iniciar nuestro gdm/kdm y seguiriamos con lo nuestro:
./cudatoolkit_2.3_linux_32_ubuntu9.04.run
con eso dejariamos listo el cuda en nuestro sistema, asi que solo nos quedaria instalar el modulo cuda para pyrit:
wget -c http://pyrit.googlecode.com/files/CPyrit-CUDA-0.2.4.tar.gz
tar xfv CPyrit-CUDA-0.2.4.tar.gz
cd CPyrit-CUDA-0.2.4
python setup.py build
python setup.py install
Lo primero que debemos hacer para instalarnos las aplicaciones necesarias para la auditoria wireless:
(Todo desde el terminal)
Instalación de la suite Aircrack-ng:
apt-get install aircrack-ng
Instalación de cowpatty:
sudo apt-get install libssl-dev libpcap0.8-dev libdigest-hmac-perl
wget http://www.wirelessdefence.org/Contents/Files/cowpatty-4.6.tgz
tar zxvf cowpatty-4.6.tgz
cd cowpatty-4.6
sudo make
sudo cp cowpatty /usr/bin
Instalación de Pyrit:
Pyritt básicamente lo que ofrece es poder usar la capacidad de nuetra GPU ( chip de la gráfica ), mas el procesador para desencriptar una wpa haciendo mucho mas rapida esta tarea la cual se puede hacer interminable. Vale tanto para Nvidia como para ATI ( ATI no esta tratado en este tutorial ).
Para compilarlo, deberemos tener estas librerias:
sudo apt-get install build-essential python python-all-dev libssl-dev zlib1g zlib1g-dev zlib-bin zlibc python-scapy subversion
y descargamos su ultima version desde el Svn:
svn checkout http://pyrit.googlecode.com/svn/trunk/ pyrit
cd pyrit/pyrit
python setup.py build
python setup.py install
con todo esto bien instalado ya podemos hacer uso de piryt y debemos ejecutar:
pyrit benchmark
y nos tendria que devolver algo como esto:
Pyrit 0.2.4 (C) 2008, 2009 Lukas Lueg http://pyrit.googlecode.com
This code is distributed under the GNU General Public License v3
The ESSID-blobspace seems to be empty; you should create an ESSID…
Running benchm ark for about 0 seconds… /
Computed 394.35 PMKs/s total.
#1: ‘CPU-Core (SSE2)’: 200.9 PMKs/s (Occ. 96.5%; RTT 2.9)
#2: ‘CPU-Core (SSE2)’: 205.7 PMKs/s (Occ. 97.5%; RTT 3.0
Esto vendria a decir que cada uno de los procesadores, puede calcular 200 Pmk/segundo, lo que sumandolos los dos darian unos 400 Pmk/segundo. Si queremos mirar si nuestra tarjeta esta soportada para tal fin, podemos entrar aquí: http://www.nvidia.com/object/cuda_gpus.html y comprobar si nuestra tarjeta esta en la lista, y si esta haremos esto:
sudo apt-get install build-essential python python-all-dev libssl-dev zlib1g zlib1g-dev zlib-bin zlibc python-scapy subversion
y descargamos su ultima version desde el Svn:
svn checkout http://pyrit.googlecode.com/svn/trunk/ pyrit
cd pyrit/pyrit
python setup.py build
python setup.py install
con todo esto bien instalado ya podemos hacer uso de piryt y debemos ejecutar:
pyrit benchmark
y nos tendria que devolver algo como esto:
Pyrit 0.2.4 (C) 2008, 2009 Lukas Lueg http://pyrit.googlecode.com
This code is distributed under the GNU General Public License v3
The ESSID-blobspace seems to be empty; you should create an ESSID…
Running benchm ark for about 0 seconds… /
Computed 394.35 PMKs/s total.
#1: ‘CPU-Core (SSE2)’: 200.9 PMKs/s (Occ. 96.5%; RTT 2.9)
#2: ‘CPU-Core (SSE2)’: 205.7 PMKs/s (Occ. 97.5%; RTT 3.0
Esto vendria a decir que cada uno de los procesadores, puede calcular 200 Pmk/segundo, lo que sumandolos los dos darian unos 400 Pmk/segundo. Si queremos mirar si nuestra tarjeta esta soportada para tal fin, podemos entrar aquí: http://www.nvidia.com/object/cuda_gpus.html y comprobar si nuestra tarjeta esta en la lista, y si esta haremos esto:
mkdir cuda
cd cuda
wget -c http://developer.download.nvidia.com/compute/cuda/2_3/drivers/cudadriver_2.3_linux_32_190.18.run
wget -c http://developer.download.nvidia.com/compute/cuda/2_3/toolkit/cudatoolkit_2.3_linux_32_ubuntu9.04.run
#(Para esta parte del proceso, tenemos que cerrar nuestro motor grafico)
#GDM
/etc/init.d/gdm stop
#KDM
/etc/init.d/kdm stop
#y procedemos
chmod a+x *.run
./cudadriver_2.3_linux_32_190.18.run
hecho esto podemos volver a iniciar nuestro gdm/kdm y seguiriamos con lo nuestro:
./cudatoolkit_2.3_linux_32_ubuntu9.04.run
con eso dejariamos listo el cuda en nuestro sistema, asi que solo nos quedaria instalar el modulo cuda para pyrit:
wget -c http://pyrit.googlecode.com/files/CPyrit-CUDA-0.2.4.tar.gz
tar xfv CPyrit-CUDA-0.2.4.tar.gz
cd CPyrit-CUDA-0.2.4
python setup.py build
python setup.py install
y si no se nos complica mucho la vida, debemos de tener todo instalado y a punto para cuando lo queramos poner a funcionar, pero.... ¿que se puede hacer con Pyrit?... eso lo redactare en la siguiente entrada porque hay muchas maneras de usarlo.
Antes de dar las gracias a Ubuntusaurio (http://ubuntusaurio.blogspot.com/), por hacer este tutorial, ya que a alguna gente le puede hacer mucha falta.
Pues bien, solo nos queda ver su aplicación
http://www.youtube.com/watch?v=AHAsQWNuVFg
y si no se nos complica mucho la vida, debemos de tener todo instalado y a punto para cuando lo queramos poner a funcionar, pero.... ¿que se puede hacer con Pyrit?... eso lo redactare en la siguiente entrada porque hay muchas maneras de usarlo.
y si no se nos complica mucho la vida, debemos de tener todo instalado y a punto para cuando lo queramos poner a funcionar, pero.... ¿que se puede hacer con Pyrit?... eso lo redactare en la siguiente entrada porque hay muchas maneras de usarlo.
SaludoXXXX___________ShaKKKK
Posted in: Ubuntu
