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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00