parsedmarc 项目安装与使用教程
2024-09-26 11:31:23作者:秋阔奎Evelyn
1. 项目的目录结构及介绍
parsedmarc 项目的目录结构如下:
parsedmarc/
├── docs/
├── grafana/
├── kibana/
├── samples/
├── senders/
├── splunk/
├── .dockerignore
├── .gitattributes
├── .gitignore
├── CHANGELOG.md
├── Dockerfile
├── LICENSE
├── README.md
├── build.sh
├── ci.ini
├── docker-compose.yml
├── publish-docs.sh
├── pyproject.toml
├── requirements.txt
└── tests.py
目录介绍:
- docs/: 包含项目的文档文件。
- grafana/: 包含与 Grafana 相关的配置和模板。
- kibana/: 包含与 Kibana 相关的配置和模板。
- samples/: 包含示例 DMARC 报告文件。
- senders/: 包含发送报告的相关脚本。
- splunk/: 包含与 Splunk 相关的配置和模板。
- .dockerignore: Docker 构建时忽略的文件列表。
- .gitattributes: Git 属性配置文件。
- .gitignore: Git 忽略文件列表。
- CHANGELOG.md: 项目变更日志。
- Dockerfile: Docker 构建文件。
- LICENSE: 项目许可证文件。
- README.md: 项目介绍和使用说明。
- build.sh: 构建脚本。
- ci.ini: 持续集成配置文件。
- docker-compose.yml: Docker Compose 配置文件。
- publish-docs.sh: 发布文档的脚本。
- pyproject.toml: Python 项目配置文件。
- requirements.txt: 项目依赖列表。
- tests.py: 测试脚本。
2. 项目的启动文件介绍
parsedmarc 项目的启动文件主要是 parsedmarc 模块本身。你可以通过命令行工具直接使用 parsedmarc 命令来启动项目。
启动命令:
parsedmarc [options]
常用选项:
-c, --config: 指定配置文件路径。-o, --output: 指定输出文件路径。-e, --elasticsearch: 指定 Elasticsearch 服务器地址。-s, --splunk: 指定 Splunk 服务器地址。
3. 项目的配置文件介绍
parsedmarc 项目的配置文件通常是一个 INI 格式的文件,默认情况下,项目会查找名为 parsedmarc.ini 的配置文件。你也可以通过 -c 选项指定自定义的配置文件路径。
配置文件示例:
[general]
save_aggregate = True
save_forensic = True
[imap]
host = imap.example.com
port = 993
ssl = True
username = user@example.com
password = password
[elasticsearch]
hosts = localhost:9200
ssl = False
[splunk]
host = localhost
port = 8089
token = your_splunk_token
配置项说明:
-
[general]: 通用配置项。
save_aggregate: 是否保存聚合报告。save_forensic: 是否保存法医报告。
-
[imap]: IMAP 配置项。
host: IMAP 服务器地址。port: IMAP 服务器端口。ssl: 是否使用 SSL。username: IMAP 用户名。password: IMAP 密码。
-
[elasticsearch]: Elasticsearch 配置项。
hosts: Elasticsearch 服务器地址。ssl: 是否使用 SSL。
-
[splunk]: Splunk 配置项。
host: Splunk 服务器地址。port: Splunk 服务器端口。token: Splunk 认证令牌。
通过以上配置文件,你可以灵活地配置 parsedmarc 项目以适应不同的使用场景。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
381
456
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++
894
679
暂无简介
Dart
803
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
209
昇腾LLM分布式训练框架
Python
119
146
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781