探秘网络安全前沿:Manuka——OSINT蜜罐系统
项目介绍
Manuka是一个强大的开放源代码情报(OSINT)蜜罐,专为安全团队设计,用于监控威胁行为者的侦察行动并提供可操作的情报。它创建了一个模拟环境,包括伪装的社交媒体资料和泄露的凭据,并追踪敌方的兴趣迹象,与MITRE的PRE-ATT&CK框架紧密结合。Manuka让蓝队在网络攻击链的第一阶段——侦察阶段就获得额外的可见性,为防御者提供早期预警信号。
项目技术分析
Manuka的架构设计独特,基于Golang构建的中央服务器(manuka-server)执行CRUD操作并从监听器(manuka-listener)接收事件。监听器模块化,可以根据需要添加到Docker化环境中,方便用户协调多个安全活动和蜜罐以扩大蜜罐表面。此外,manuka-client是一个React仪表板,允许蓝队轻松管理Manuka资源。整个框架通过单个docker-compose命令进行编排。
Manuka具备以下关键组件:
- Sources:可能成为OSINT攻击向量的对象,如社交媒体资料、暴露的凭据和泄露的源代码。
- Listeners:监视这些来源并与攻击者交互的服务器。
- Hits:兴趣指标,如尝试使用泄露凭据登录或社交媒体连接。
- Honeypots:将源和监听器组织成一个单一的安全项目,分析和跟踪时间上的事件。
Manuka以容器化的形式运行,包括manuka-server
、manuka-listener
和manuka-client
,可以通过docker-compose
命令在同一主机上部署。
应用场景
Manuka适用于那些希望增强网络外围安全防护的企业。它可以揭露通过搜索引擎等简单手段就能轻易暴露的企业信息,例如最近视频会议平台被黑客通过公开网络暴露的例子。企业可以利用Manuka来检测这类OSINT威胁,并将其纳入现有的安全策略中。
项目特点
- 早期预警:通过侦察阶段检测,提前发现潜在威胁,使防御者有更多时间应对。
- 模块化设计:易于扩展和定制,适应各种不同场景需求。
- 多任务处理:支持协调多个安全活动和蜜罐,提升覆盖率。
- 集成友好的数据:数据设计便于导入其他第三方分析和可视化工具。
- Docker化部署:简化安装和管理流程,兼容多种环境。
操作指南
要开始使用Manuka,请按照项目文档中的步骤配置和启动所需服务。开发环境下,您需要Docker和docker-compose;生产环境下,则需考虑域名设置和SSL证书等。
结论
Manuka是一个创新的OSINT蜜罐系统,它改变了解决网络威胁的传统方式,提前揭示了敌方的侦察行动。如果你正在寻找一种工具来提高你的防御策略,并且愿意深入到网络攻击链的初期阶段,那么Manuka无疑是值得尝试的。现在,是时候让您的企业"向左移动",在威胁真正发生之前,先发制人。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~057CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0382- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









