ASHIRT 服务器安装与配置指南
2025-04-17 06:49:49作者:瞿蔚英Wynne
1. 项目基础介绍
ASHIRT(Adversary Simulators High-Fidelity Intelligence and Reporting Toolkit)是一个用于敌手模拟的高保真情报和报告工具包。该项目的目的是为了解决在安全操作过程中,证据文档和报告的整理与管理的难题。它通过自动化的方式捕获、索引和提供操作期间来自所有证据源的集中同步点的高保真数据。
主要编程语言:
- Go(后端)
- TypeScript(前端)
2. 项目使用的关键技术和框架
- 后端:使用Go语言开发,基于标准的HTTP服务,以及一些用于处理任务队列和存储的库。
- 前端:使用TypeScript,搭配React或Vue等现代前端框架进行开发。
- 数据库:可能使用PostgreSQL或其他数据库系统进行数据存储。
- 容器化:使用Docker进行容器化部署,简化部署流程。
- 配置管理:使用环境变量和配置文件进行配置管理。
3. 项目安装和配置的准备工作
准备工作
在开始安装之前,请确保以下环境已经准备好:
- 操作系统:推荐使用Linux或macOS系统。
- Go环境:安装Go语言环境,版本至少为1.15。
- Node.js和npm:安装Node.js和npm,用于前端构建。
- Docker:安装Docker,用于容器化部署。
- 数据库:安装并配置PostgreSQL或其他支持的数据库。
- 环境变量:设置必要的环境变量,例如数据库连接信息等。
安装步骤
步骤1:克隆项目仓库
首先,你需要从GitHub上克隆项目仓库:
git clone https://github.com/ashirt-ops/ashirt-server.git
cd ashirt-server
步骤2:安装依赖
安装后端依赖:
go mod tidy
安装前端依赖:
cd frontend
npm install
步骤3:配置数据库
根据项目文档配置你的数据库,确保数据库运行正常,并且有正确的权限设置。
步骤4:构建项目
构建后端:
go build -o ashirt-server ./backend
构建前端:
cd frontend
npm run build
步骤5:运行容器
使用Docker运行容器:
docker-compose up
如果需要使用生产环境配置,可以修改docker-compose-prod.yml文件,并使用以下命令运行:
docker-compose -f docker-compose-prod.yml up
步骤6:访问服务
安装完成后,你可以在浏览器中访问http://localhost:8080来查看ASHIRT服务器界面。
请确保按照项目文档进行详细的配置和优化,以便ASHIRT服务器能够正常运行。如果你在安装或配置过程中遇到问题,可以参考项目的README.md文件或查看项目的ISSUES部分寻求帮助。
登录后查看全文
热门项目推荐
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 StartedRust0444
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0760
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0310
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
项目优选
收起
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
515
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
799
1.13 K
暂无描述
Markdown
825
5.48 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
780
1.57 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
964
2.27 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.2 K
1.24 K
CANN 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 Notebook
640
272
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
830
6.13 K
昇腾LLM分布式训练框架
Python
193
272