开源项目SGT安装与配置指南
2025-04-17 00:12:59作者:裘晴惠Vivianne
1. 项目基础介绍
SGT(Simple Go TLS)是一个用Go语言编写的osquery管理服务器,它完全构建在AWS服务之上。SGT提供了一个简单的管理界面,用于管理和收集由osquery客户端生成的数据。osquery是一个强大的开源工具,能够在操作系统级别执行SQL查询,并返回有关系统配置和活动的详细信息。
2. 项目使用的关键技术和框架
- Go语言:项目主要编程语言,用于构建SGT服务。
- AWS服务:包括DynamoDB、EC2、Elasticsearch服务、Kinesis/Firehose和IAM等,用于支撑SGT的后端基础设施。
- Terraform:一个开源的基础设施自动化工具,用于定义和部署SGT所需的AWS资源。
- TLS:传输层安全性协议,用于确保数据传输的安全。
- osquery:用于收集系统级信息的工具。
3. 项目安装和配置的准备工作
在开始安装SGT之前,请确保您已经完成了以下准备工作:
- AWS账户:拥有管理员权限的AWS账户,能够访问DynamoDB、EC2、Elasticsearch服务、Kinesis/Firehose和IAM。
- Golang环境:安装Go语言环境,版本至少为1.9.0。
- Terraform工具:安装Terraform,版本至少为11.9+。
- 域名和DNS:拥有一个域名,并且能够通过Route53进行DNS管理。
- SSL证书:获取SSL证书及其私钥对,用于TLS连接。
- AWS配置文件:配置AWS CLI的配置文件,以便Terraform可以正确地部署资源。
安装步骤
以下是安装SGT的详细步骤:
-
克隆项目仓库到本地环境:
git clone git@github.com:OktaSecurityLabs/sgt.git $GOPATH/src/github.com/oktasecuritylabs/sgt -
切换到项目目录:
cd $GOPATH/src/github.com/oktasecuritylabs/sgt -
构建项目:
go build -
将SSL证书复制到项目的
certs目录,并按照项目要求重命名:sudo cp /etc/letsencrypt/live/sgt-demo.example.com/fullchain.pem certs/fullchain.pem sudo cp /etc/letsencrypt/live/sgt-demo.example.com/privkey.pem certs/privkey.pem cd certs mv fullchain.pem sgt-demo.example.com.fullchain.pem mv privkey.pem sgt-demo.example.com.privkey.pem cd .. -
运行
sgt wizard命令,按照提示配置您的环境:./sgt wizard根据提示输入必要的信息,包括环境名称、AWS配置文件、IP地址、S3存储桶名称、域名和子域名、AWS密钥对名称、SSL证书和私钥文件名、节点密钥和应用程序密钥。
-
在部署之前,编辑Terraform配置文件,根据需要修改设置。如果是演示环境,可以禁用Elasticsearch的创建:
{ "environment": "example_environment", ... "create_elasticsearch": 0 } -
部署SGT环境:
./sgt deploy -env <your environment name>
请确保在执行上述步骤时,替换<your environment name>为在sgt wizard中设置的环境名称。
以上就是SGT的详细安装和配置指南。按照这些步骤操作后,您应该能够成功部署并运行SGT服务器。
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-1.5HunyuanVideo-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
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
188
206
暂无简介
Dart
630
143
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
React Native鸿蒙化仓库
JavaScript
243
316
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
383
3.64 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
210
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
295
105
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++
649
267
仓颉编译器源码及 cjdb 调试工具。
C++
128
858