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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00