GoScan: 交互式网络扫描器安装及使用指南
2024-08-10 13:05:08作者:尤辰城Agatha
项目介绍
GoScan是一款功能强大的交互式网络扫描工具,具备自动补全特性,简化并自动化了nmap的部分功能。起初,它是作为一项小型副业项目开发来学习Golang(@golang),但经过不断发展,如今不仅可以用于主机发现、端口扫描和服务枚举,在对隐私性要求不高且时间有限的情境下(如CTFs、OSCP考试等)表现出色,而且在配置稍作调整后,也适用于专业安全评估场景。
GoScan特别设计用于不稳定环境,比如在网络连接不可靠或缺乏屏幕显示的情况下仍可有效工作。它通过SQLite数据库维护扫描状态,即使与运行GoScan的设备失去连接,结果也可以异步上传。这意味着数据可以在过程的不同阶段被导入到GoScan中,无需因任何错误而重启整个流程。
此外,服务枚举阶段集成了多个第三方工具(例如EyeWitness、Hydra、nikto等),每种工具专门针对某一特定服务进行优化。
项目快速启动
二进制文件安装(推荐)
从发布页面下载相应的二进制文件:
对于Linux(64位)
$ wget https://github.com/marco-lancini/goscan/releases/download/v2.4/goscan_2.4_linux_amd64.zip
$ unzip goscan_2.4_linux_amd64.zip
对于Linux(32位)
$ wget https://github.com/marco-lancini/goscan/releases/download/v2.4/goscan_2.4_linux_386.zip
$ unzip goscan_2.4_linux_386.zip
然后将执行文件加入PATH环境中:
$ chmod +x goscan
$ sudo mv goscan /usr/local/bin/
源码编译安装
# 克隆项目
$ git clone https://github.com/marco-lancini/goscan.git
# 进入项目目录
$ cd goscan/
# 构建Docker容器以构建项目
$ docker-compose up --build
# 运行CLI容器
$ docker-compose run cli /bin/bash
# 在容器内部初始化DEP
root@cli:/go/src/github.com/marco-lancini/goscan$ make init
root@cli:/go/src/github.com/marco-lancini/goscan$ make setup
# 编译项目
root@cli:/go/src/github.com/marco-lancini/goscan$ make
应用案例和最佳实践
GoScan适合于各种不同的网络安全扫描场景。无论是渗透测试者还是系统管理员,都可以利用其高级功能来改进他们的工作流程。例如,对于渗透测试人员来说,可以轻松集成第三方工具进行更深入的服务分析;而对于系统管理员,则可以通过定期扫描来检查网络上的潜在威胁点。
以下是一些GoScan的最佳实践:
- 使用
--fast选项进行初步网络发现。 - 结合EyeWitness进行HTTP服务的信息搜集。
- 利用Hydra进行密码强度测试。
典型生态项目
虽然GoScan作为一个独立的工具非常强大,但它也是更大生态系统的一部分,能够与其他工具无缝协作,形成一套全面的安全解决方案。这些生态项目可能包括但不限于:
- Nmap:基础的网络探索和安全审计工具。
- EyeWitness: HTTP服务抓图工具,可用于验证目标存活情况。
- Hydra: 快速远程登录测试工具,支持多种协议。
以上生态项目共同构成了一个丰富的工作流,不仅提高了网络扫描的整体效率,还增强了安全性评估的质量。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218