OpenVAS离线资源
概述
本资源库提供了OpenVAS(开源漏洞评估系统)的离线安装必备组件,特别适用于没有稳定网络连接或者需要在隔离环境中部署OpenVAS的用户。该资源集合包括了Debian(Deb)格式的安装包、用于扫描的离线NVT(Network Vulnerability Tests)、SCAP(Security Content Automation Protocol)安全自动化协议相关数据、CERT(Computer Emergency Response Team)发布的安全响应数据,以及GVMD(Greenbone Vulnerability Manager Daemon)所需的数据文件。尤为重要的是,本资源库还包含了对上述部分内容的中文语言翻译,以帮助国内用户更好地理解和操作OpenVAS。
资源详情
-
Deb包:包含了OpenVAS的核心组件及其依赖的Deb安装包,方便用户在基于Debian的Linux发行版上进行离线安装。
-
NVT (Network Vulnerability Tests):一组脚本和配置文件,用于执行针对网络服务的安全测试,此离线包确保即使在无网络情况下也能更新测试库。
-
SCAP 数据:一种标准化方法来定义、测量及验证系统的安全性,适合进行自动化的合规性检查。
-
CERT 数据:收集自全球计算机应急响应小组的重要安全公告和补丁信息,有助于及时了解并应对网络安全事件。
-
GVMD_DATA:Greenbone Vulnerability Manager的专用数据集,包含漏洞定义、报告模板等,是管理OpenVAS扫描结果的关键组件。
-
中文语言翻译:为了让国内用户更顺畅地使用OpenVAS,我们提供了界面和文档的部分中文翻译,以便于理解与配置。
使用指南
-
下载资源:首先从本仓库下载所有必需的压缩包到本地。
-
离线安装:将Deb包复制到目标Linux系统,并通过命令行使用
dpkg -i <package_name.deb>命令进行安装。 -
数据导入:对于NVT、SCAP、GVMD_DATA等数据,通常需放置到OpenVAS指定的目录或通过GVMD管理工具进行导入。
-
启用中文支持:根据提供的说明,配置OpenVAS以使用中文界面或查阅中文文档。
-
安全评估:利用新安装和配置的OpenVAS进行网络漏洞扫描和安全管理。
注意事项
- 请确保所使用的OpenVAS版本与提供的资源兼容。
- 安装过程中可能需要解决依赖关系,请准备完整的Debian软件包环境或使用apt-get下载缺失的依赖(如果在线环境允许)。
- 中文翻译可能存在不完全或准确性问题,建议参考官方文档以获得最准确的信息。
通过这份详尽的离线资源,即便是新手用户也能在无网络的条件下顺利搭建和配置OpenVAS系统,增强个人或企业的网络安全防护能力。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00