开源项目:Offensive ELK 的使用与配置
2025-04-17 07:02:12作者:温玫谨Lighthearted
1. 项目目录结构及介绍
Offensive ELK 项目是一个基于 Docker 的 Elasticsearch 套件,用于展示如何将传统的“防御性”工具有效地用于进攻性安全数据分析。项目的主要目录结构如下:
docker_offensive_elk/
├── .github/
├── _data/
│ ├── nmap/
├── elasticsearch/
├── extensions/
├── kibana/
├── logstash/
├── .gitignore
├── CHANGELOG.md
├── LICENSE
├── README.md
├── docker-compose.yml
_data/:用于存放 Nmap 扫描结果文件。elasticsearch/:包含 Elasticsearch 相关的配置文件。extensions/:存放可能使用的自定义插件。kibana/:包含 Kibana 相关的配置文件。logstash/:包含 Logstash 相关的配置文件。.gitignore:指定 Git 忽略的文件和目录。CHANGELOG.md:记录项目的更新和变更历史。LICENSE:项目的开源协议文件。README.md:项目的说明文件,包含项目信息和基本使用方法。docker-compose.yml:定义和启动 Docker 容器的配置文件。
2. 项目的启动文件介绍
项目的启动主要通过 docker-compose.yml 文件来配置和启动。以下是 docker-compose.yml 文件的基本内容:
version: '3'
services:
elasticsearch:
image: docker.elastic.co/elasticsearch/elasticsearch:7.10.1
...
kibana:
image: docker.elastic.co/kibana/kibana:7.10.1
...
logstash:
image: docker.elastic.co/logstash/logstash:7.10.1
...
ingestor:
build: ./ingestor
...
这个文件定义了四个服务:Elasticsearch、Kibana、Logstash 和 Ingestor。Elasticsearch 用于数据存储和搜索,Kibana 提供可视化界面,Logstash 用于数据输入处理,Ingestor 是用于处理 Nmap 数据的自定义 Docker 镜像。
启动项目时,执行以下命令:
docker-compose up -d
该命令会在后台启动所有定义的服务。
3. 项目的配置文件介绍
项目的配置主要通过 docker-compose.yml 文件中的服务配置来完成。以下是一些主要配置的介绍:
elasticsearch:这部分配置定义了 Elasticsearch 容器的启动参数,包括映像版本、环境变量、卷映射等。kibana:这部分配置定义了 Kibana 容器的启动参数,包括映像版本、端口映射、环境变量等。logstash:这部分配置定义了 Logstash 容器的启动参数,包括映像版本、卷映射、环境变量等。ingestor:这部分配置定义了 Ingestor 容器的构建方法,通常是 Dockerfile 的路径。
此外,还可以在各个服务的目录下找到更详细的配置文件,例如 elasticsearch 目录下的 elasticsearch.yml 文件,kibana 目录下的 kibana.yml 文件等,这些都是对应服务的详细配置文件。
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
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
🔥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
64
19
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322