Greenbone Vulnerability Manager (gvmd) 安装与使用指南
1. 项目介绍
Greenbone Vulnerability Manager (gvmd) 是 Greenbone 社区版的核心组件之一,负责管理漏洞扫描器的配置和扫描结果。gvmd 是一个数据库后端服务,通过 Greenbone Management Protocol (GMP) 提供数据访问和控制命令,并通过 Open Scanner Protocol (OSP) 控制扫描器如 OpenVAS。
2. 项目快速启动
2.1 安装依赖
在开始安装之前,请确保系统已安装必要的依赖包。以下是基于 Debian/Ubuntu 系统的安装命令:
sudo apt update
sudo apt install -y build-essential cmake pkg-config libglib2.0-dev libgpgme-dev libgnutls28-dev libssh-gcrypt-dev libhiredis-dev libxml2-dev libpcap-dev libnet1-dev libpaho-mqtt-dev libldap2-dev libradcli-dev libpq-dev postgresql postgresql-server-dev-all
2.2 下载并编译 gvmd
从 GitHub 仓库下载 gvmd 源码并进行编译:
git clone https://github.com/greenbone/gvmd.git
cd gvmd
mkdir build
cd build
cmake ..
make
sudo make install
2.3 配置数据库
创建 gvmd 数据库并设置用户权限:
sudo -u postgres createuser -P gvm
sudo -u postgres createdb -O gvm gvmd
2.4 启动 gvmd
使用以下命令启动 gvmd 服务:
gvmd
查看所有可用的命令行选项:
gvmd --help
3. 应用案例和最佳实践
3.1 企业级漏洞管理
在企业环境中,gvmd 可以与 Greenbone Security Assistant (GSA) 结合使用,提供一个完整的漏洞管理解决方案。通过 GMP 和 OSP,企业可以集中管理多个扫描器,并生成详细的漏洞报告。
3.2 自动化漏洞扫描
结合自动化工具如 Ansible 或 Jenkins,可以定期触发 gvmd 进行漏洞扫描,并将结果自动推送到企业的漏洞管理系统中。
4. 典型生态项目
4.1 Greenbone Security Assistant (GSA)
GSA 是 Greenbone 的 Web 界面,用于与 gvmd 交互,提供用户友好的漏洞管理界面。
4.2 OpenVAS
OpenVAS 是一个开源的漏洞扫描器,通过 OSP 与 gvmd 集成,提供强大的漏洞扫描功能。
4.3 Greenbone Enterprise TRIAL
对于不熟悉源码编译的用户,Greenbone 提供了预配置的虚拟机,即 Greenbone Enterprise TRIAL,用户可以直接下载并使用,无需手动安装和配置。
通过以上步骤,您可以快速启动并使用 Greenbone Vulnerability Manager (gvmd),并结合其他生态项目,构建一个完整的漏洞管理解决方案。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0188
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08