Ingram 项目安装与使用教程
2026-01-16 10:09:09作者:郦嵘贵Just
1. 项目目录结构及介绍
Ingram 项目的目录结构如下:
Ingram/
├── .gitignore
├── LICENSE
├── README.en.md
├── README.md
├── requirements.txt
├── run_ingram.py
└── Ingram/
├── config.py
├── ...
目录结构说明
.gitignore: 用于指定 Git 版本控制系统忽略的文件和目录。LICENSE: 项目的开源许可证文件,本项目使用 GPL-3.0 许可证。README.en.md: 英文版本的 README 文件,介绍项目的概况和使用方法。README.md: 中文版本的 README 文件,介绍项目的概况和使用方法。requirements.txt: 项目依赖的 Python 包列表,使用pip安装。run_ingram.py: 项目的启动文件,用于执行漏洞扫描任务。Ingram/: 项目的主要代码目录,包含配置文件和其他功能模块。
2. 项目的启动文件介绍
run_ingram.py 是 Ingram 项目的启动文件,负责执行漏洞扫描任务。以下是该文件的主要功能和使用方法:
主要功能
- 目标文件读取: 从指定的目标文件中读取要扫描的 IP 地址和端口。
- 漏洞扫描: 根据配置文件中的规则,对目标进行漏洞扫描。
- 结果输出: 将扫描结果保存到指定的输出目录中。
使用方法
python3 run_ingram.py -i 目标文件 -o 输出文件夹
-i: 指定包含目标 IP 地址和端口的文件。-o: 指定扫描结果的输出目录。
可选参数
-p: 指定要扫描的端口。-t: 指定并发扫描的进程数。-T: 指定请求的超时时间。--debug: 开启调试模式。
3. 项目的配置文件介绍
Ingram/config.py 是 Ingram 项目的配置文件,包含了扫描任务的各种配置选项。以下是该文件的主要内容和配置项:
主要配置项
- 默认端口: 定义了默认扫描的端口列表。
- 并发数: 定义了默认的并发扫描进程数。
- 超时时间: 定义了默认的请求超时时间。
- 调试模式: 是否开启调试模式。
配置示例
# 默认扫描端口
DEFAULT_PORTS = [80, 443, 8080, 8443]
# 默认并发数
DEFAULT_THREADS = 300
# 默认超时时间
DEFAULT_TIMEOUT = 5
# 调试模式
DEBUG_MODE = False
配置文件使用
在 run_ingram.py 中,可以通过命令行参数覆盖这些默认配置,例如:
python3 run_ingram.py -i 目标文件 -o 输出文件夹 -p 80 81 8000 -t 500 -T 10 --debug
以上命令将使用指定的端口、并发数、超时时间和调试模式进行扫描。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0150- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
786
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++
1 K
1.01 K
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
433
392
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.15 K
148
暂无简介
Dart
983
251
Oohos_react_native
React Native鸿蒙化仓库
C++
348
401
昇腾LLM分布式训练框架
Python
166
197
🎉 (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
1.67 K
986