开源项目SGT安装与配置指南
2025-04-17 11:11:40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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
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
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
492
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
346
147