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
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
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++
892
667
Ascend Extension for PyTorch
Python
376
445
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
777
暂无简介
Dart
797
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271