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。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00