临兵漏洞扫描系统使用教程
2024-09-14 10:56:09作者:宣利权Counsellor
1. 项目介绍
临兵漏洞扫描系统(Linbing)是一个针对Web中间件和Web框架进行自动化渗透的系统。该系统能够根据扫描选项自动化收集资产,并进行POC扫描。POC扫描时会根据指纹选择相应的POC插件进行扫描,POC插件扫描采用异步方式,前端采用Vue技术,后端采用Python FastAPI。
2. 项目快速启动
2.1 环境准备
- Ubuntu 系统
- Python 3.10
- MariaDB
- Redis
- Nginx
2.2 安装步骤
2.2.1 设置国内源
sed -i 's@/archive.ubuntu.com/@/mirrors.aliyun.com/@g' /etc/apt/sources.list && apt-get clean && apt update
2.2.2 安装Python 3.10
wget https://www.python.org/ftp/python/3.10.4/Python-3.10.4.tgz
tar -zxvf Python-3.10.4.tgz
cd Python-3.10.4
./configure
make
make install
rm -rf /usr/bin/python3
rm -rf /usr/bin/pip3
ln -s /usr/local/bin/python3.10 /usr/bin/python3
ln -s /usr/local/bin/pip3.10 /usr/bin/pip3
2.2.3 安装Masscan
apt-get --assume-yes install git make gcc
git clone https://github.com/robertdavidgraham/masscan
cd masscan
make
make install
2.2.4 安装依赖
DEBIAN_FRONTEND=noninteractive apt install -y postfix
apt install -y mariadb-server python3-pip nmap nginx libpq-dev uuid-dev libcap-dev libpcre3-dev python3-dev inetutils-ping redis-server
mkdir /root/python
2.2.5 安装Python依赖库
pip3 install -r /root/python/requirements.txt
2.2.6 启动Nginx
nginx
2.2.7 配置Gunicorn
将gunicorn.conf文件放到python文件夹的根目录下,然后启动Gunicorn:
cd /root/python/
nohup python3 worker.py > log.log 2>&1 &
nohup gunicorn -c gunicorn.conf main:app -k uvicorn.workers.UvicornWorker > gunicorn.log 2>&1 &
3. 应用案例和最佳实践
3.1 应用案例
临兵漏洞扫描系统可以广泛应用于企业内部的安全测试、渗透测试、漏洞扫描等场景。通过自动化扫描,可以快速发现Web应用中的安全漏洞,帮助企业及时修复漏洞,提升系统的安全性。
3.2 最佳实践
- 定期扫描:建议定期对企业的Web应用进行扫描,及时发现并修复新出现的漏洞。
- 自定义POC插件:根据企业的实际需求,可以开发自定义的POC插件,增强系统的扫描能力。
- 安全培训:对开发人员进行安全培训,提升其安全意识,减少漏洞的产生。
4. 典型生态项目
- Vulhub:一个开源的漏洞靶场,提供了大量的漏洞环境,适合用于测试和学习。
- POC-T:一个开源的渗透测试框架,支持多种漏洞的POC测试。
- Xunfeng:一个开源的漏洞扫描系统,支持多种漏洞的自动化扫描。
通过结合这些生态项目,可以进一步提升临兵漏洞扫描系统的功能和效果。
登录后查看全文
热门项目推荐
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-1.5暂无简介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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
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!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
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。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210