OpenBSM 开源项目安装与配置指南
1. 项目基础介绍
OpenBSM 是一个开源的实现,它遵循 Sun 的 BSM(Basic Security Module)事件审计文件格式和 API。该项目最初由 McAfee Research 为 Apple Computer 开发,现在由志愿者和一些组织维护。OpenBSM 提供了一系列命令行工具,包括 auditreduce 和 praudit 用于减少和打印审计跟踪,以及 libbsm 库用于管理配置文件、生成审计记录和解析打印审计跟踪。此外,它还包括 auditd 审计配置守护进程和 auditdistd 审计跟踪分发守护进程。
OpenBSM 可以与内核审计实现配合使用,以维护系统审计流,并构建一个完整的审计启用系统。
主要编程语言
- C
- Makefile
- Shell
- Roff
- Yacc
- M4
- Lex
2. 项目使用的关键技术和框架
OpenBSM 使用以下关键技术和框架:
- BSM 审计文件格式和 API
- 审计跟踪的减少和打印
- 审计配置和管理
- 审计事件监控框架
3. 项目安装和配置的准备工作与详细步骤
准备工作
在开始安装 OpenBSM 之前,请确保您的系统满足以下要求:
- 操作系统:建议使用类 Unix 系统,如 Linux、FreeBSD 或 macOS
- 编译工具:安装 GCC 或 Clang 编译器
- 开发库:安装必要的开发库,如 libevent
安装步骤
以下是在类 Unix 系统上安装 OpenBSM 的详细步骤:
-
克隆仓库 使用 Git 命令克隆 OpenBSM 仓库到本地目录:
git clone https://github.com/openbsm/openbsm.git cd openbsm -
安装依赖 根据您的系统,安装必要的依赖项。例如,在 Ubuntu 上,您可能需要运行:
sudo apt-get install build-essential libevent-dev -
配置与编译 运行以下命令来配置和编译项目:
./configure make -
安装 使用以下命令安装 OpenBSM 及其工具:
sudo make install -
配置审计服务 根据 OpenBSM 提供的文档和示例配置文件,配置审计服务。通常,这涉及到编辑
/etc/security/audit.conf和其他相关配置文件。 -
启动审计服务 根据您的系统和配置,启动审计守护进程(如
auditd)。您可能需要使用系统的服务管理工具,如systemctl。
完成上述步骤后,OpenBSM 应该已经成功安装并可以在您的系统上使用了。
注意:具体的安装和配置细节可能会根据您的系统环境和需求有所不同,请参考项目提供的官方文档和指南以获取更详细的信息。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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