W12Scan:一款简易的网络资产发现引擎
项目介绍
W12Scan 是一个专为网络安全领域设计的资产发现工具。它提供了一个Web界面,允许用户通过简单的任务下发机制,自动搜集并聚合网络中的资产信息,便于进一步的分析和管理。该项目分为两部分:WEB端负责任务管理和结果显示,而Client端专注于执行实际的扫描工作。其技术栈包括Python3, Django框架,Elasticsearch用于高效的数据检索,Redis作为去重及通信中介,并利用masscan进行端口扫描,nmap进行更详细的端口识别,以及结合wappalyzer和定制化的指纹识别技术进行Web应用的识别。
项目快速启动
步骤一:环境准备
确保你的开发环境已安装Git、Docker及其Compose。另外,推荐至少8GB RAM和4核CPU以维持良好的性能,特别是当使用Elasticsearch时。
步骤二:部署W12Scan
-
创建数据存放目录:
mkdir -p ~/w12scan-data/{db,data} -
克隆项目:
git clone https://github.com/w-digital-scanner/w12scan cd w12scan -
启动服务:
使用Docker Compose快速部署:
docker-compose up -d
完成上述步骤后,等待容器初始化完成,然后通过浏览器访问 http://127.0.0.1:8000,默认登录凭证是 boyhack:boyhack。
步骤三:添加扫描任务
登录后,用户可以添加扫描目标,利用W12Scan强大的搜索语法定制扫描条件,开始资产发现之旅。
应用案例和最佳实践
W12Scan适用于多种场景,如企业的网络安全审计、漏洞管理流程的初始资产摸底、或是互联网资产的监控。最佳实践中,建议先规划好扫描策略,定义清晰的资产分类和优先级,定期而非频繁地执行全网扫描,同时利用其多节点管理功能实现扫描资源的优化分布。
典型生态项目
与W12Scan配合使用的生态项目主要包括其客户端部分——w12scan-client,这是一个基于Python3的扫描执行端,依赖于nmap和masscan等工具。它与W12Scan的WEB端协同工作,负责具体扫描任务的执行,尤其是对指定URL或IP地址的深度扫描和数据收集。对于需要自定义扫描逻辑或深入集成自动化安全流程的团队而言,这部分提供了更多灵活性和扩展性。
以上就是W12Scan的基本介绍、快速启动指南以及一些应用场景。通过合理运用这一工具,您可以有效地管理与监控您的网络资产,并提升整体的安全态势。
kernelopenEuler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。C0111
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00