推荐:ACE - 自动化收集与丰富数据平台
在网络安全领域,快速有效地收集和分析数据是至关重要的。这就是我们推荐ACE的原因,一个专为威胁猎手设计的自动化数据采集和丰富工具套件。ACE无需在目标主机上安装额外软件,即可从Windows,macOS和Linux系统中提取信息,为你的安全分析提供强大的支持。
项目介绍
ACE致力于简化跨环境远程收集数据的过程,它包括凭据管理、计划安排、集中式脚本管理和远程文件下载等功能。通过集成这些功能,ACE能够增强SIEM(如Splunk, ELK等)的能力,专注于数据收集和丰富,而将最终的分析任务留给这些专业工具。
(图:ACE架构)
为什么选择ACE?
ACE诞生于应对特定限制场景的需求:
- 不允许在目标主机上安装专用数据采集工具。
- 运行可执行文件(如Sysinternals工具)不可行。
- Windows远程管理(WinRM)未启用。
- 对macOS/Linux主机的可见性有限或不存在。
- 需要创建针对客户特定数据的新脚本/工具。
- 网络分区要求多凭证访问所有机器。
项目技术分析
ACE由四个组件构成:ACE Web服务、ACE Nginx web代理、ACE SQL数据库和ACE RabbitMQ消息队列。Web服务是一个RESTful API,用于处理客户端的扫描调度和管理请求。SQL数据库存储配置和扫描数据,RabbitMQ服务处理数据自动丰富。
部署涉及识别Linux Docker主机和Windows主机的IP地址,并使用Docker镜像构建组件。
应用场景
ACE非常适合需要在受限环境中进行安全评估的情况,例如企业内部网络、高度分段的网络,或是对操作系统有严格限制的地方。它可以迅速地提供大量主机的数据,帮助安全团队评估潜在的威胁。
项目特点
- 无代理: 在不增加目标主机负担的情况下收集数据。
- 多平台支持: 能够处理Windows、macOS和Linux上的数据。
- 中央管理: 凭证、脚本和扫描的统一管理。
- 自动化丰富: 利用RabbitMQ进行数据自动化处理,提高效率。
- 灵活扩展: 容易添加新的脚本或工具以适应特定数据需求。
如何使用ACE?
部署ACE服务器后,可以通过提供的PowerShell脚本进行用户管理、凭据输入、脚本上传和扫描计划。简单易用的命令如New-AceUser、Remove-AceUser、New-AceCredential、Start-AceDiscovery和Start-AceSweep让你轻松掌握操作。
更多资源
贡献代码
欢迎对ACE进行贡献,一起打造更强大的网络安全工具!
通过ACE,你可以提升威胁检测和响应的速度与准确性,节省宝贵的时间,聚焦在真正重要的数据分析上。现在就加入ACE的行列,提升你的网络安全保护级别吧!
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-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
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