ARL资产灯塔系统完全安装过程

环境要求

1、linux系统、Ubuntu、Centos都可以

2、Python3

3、docker

4、docker compose

我这里的环境是虚拟机Centos7

 Centos7网上教程直接安装,配置好网络,gui界面,再看一下虚拟机和物理机能不能相互ping的通,nat模式ping不通就改为桥接,安装过程全是在root用户下完成的,切换输入su

安装

Python3.7

安装编译工具

yum -y groupinstall "Development tools"

yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gdbm-devel db4-devel libpcap-devel xz-devel

yum install -y libffi-devel zlib1g-dev

yum install zlib* -y

下载安装包

wget wget https://www.python.org/ftp/python/3.7.2/Python-3.7.2.tar.xz

解压

tar -xvJf  Python-3.7.2.tar.xz

创建编译安装目录

mkdir /usr/local/python3

安装

cd Python-3.7.2

./configure --prefix=/usr/local/python3 --enable-optimizations --with-ssl

make && make install

创建软链接

ln -s /usr/local/python3/bin/python3 /usr/local/bin/python3

ln -s /usr/local/python3/bin/pip3 /usr/local/bin/pip3

验证

python3 -V

pip3 -V

错误1

zipimport.ZipImportError: can't decompress data; zlib not available Makefile:1099: recipe for target 'install' failed make: *** [install] Error 1

解决

yum -y install zlib1g-dev

错误2

ModuleNotFoundError: No module named '_ctypes'

解决

yum -y install libffi-devel

安装docker

更新yum包

sudo yum update

卸载旧版本,如果有的话

sudo yum remove docker  docker-common docker-selinux docker-engine

安装软件包

sudo yum install -y yum-utils device-mapper-persistent-data lvm2

设置yum源

sudo yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo

安装docker(这里默认安装最新版本)

sudo yum install docker-ce

指定版本(列出所有版本)

yum list docker-ce --showduplicates | sort -r

指定版本

sudo yum install <FQPN>  # 例如:sudo yum install docker-ce-17.12.0.ce

启动并加入开机启动

sudo systemctl start docker

sudo systemctl enable docker

验证

docker version

安装docker compose

第一种方式

curl -L "https://github.com/docker/compose/releases/download/1.29.0/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose

chmod +x /usr/local/bin/docker-compose

第二种方式

curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py

python3 get-pip.py

pip3 install  -i https://pypi.tuna.tsinghua.edu.cn/simple docker-compose

报错只有两个原因

1、docker-compose没有可执行权限

解决

chmod +xr docker-compose

2、docker-compose没有完全下载

解决

rm掉换一种方式下载下来

验证

docker-compose --version

安装ARL灯塔

第一种方式 

mkdir docker_arl  #创建文件夹,建议选好位置

wget -O docker_arl/docker.zip https://github.com/TophantTechnology/ARL/releases/download/v2.5/docker.zip

cd docker_arl

unzip docker2.3.zip

docker-compose up -d

第二种方式

https://github.com/TophantTechnology/ARL/releases

手动去官网下载,上传到docker_arl目录下,建议先解压再上传

docker volume create --name=arl_db #创建容器

cd /root/docker_arl

docker-compose up -d

输完显示下面内容就是启动成功

运行情况

docker-compose ps

日志

tail -f *.log

登录

注意

如果是本地需要在防火墙里面放行5003端口,或者关闭防火墙

如果是腾讯云或阿里云需要要安全组里面放行5003端

。 协助甲方安全团队或者渗透测试人员有效侦察和检索资产,发现存在的薄弱点和攻击面。.zip目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值