WPScan在Ubuntu系统升级后的兼容性问题解决方案
WPScan作为一款流行的WordPress安全扫描工具,在系统升级后可能会遇到兼容性问题。本文将详细介绍在Ubuntu系统升级后WPScan无法运行的常见问题及其解决方案。
问题现象
当用户从Ubuntu 20.04升级到22.04后,执行WPScan命令时可能会出现以下错误提示:
bash: /usr/local/bin/wpscan: /usr/bin/ruby2.7: bad interpreter: No such file or directory
这个错误表明系统无法找到WPScan脚本中指定的Ruby解释器版本(ruby2.7),因为Ubuntu 22.04默认不再包含Ruby 2.7。
问题原因
Ubuntu 22.04默认安装的是Ruby 3.0.x版本,而之前版本的WPScan可能是在Ruby 2.7环境下安装的。系统升级后,Ruby 2.7被移除,导致WPScan无法找到指定的解释器。
解决方案
方法一:重新安装WPScan
最简单彻底的解决方案是重新安装WPScan,让它自动适配当前系统的Ruby版本:
-
首先确保已安装Ruby和必要的开发工具:
sudo apt install ruby ruby-dev build-essential -
通过RubyGems安装最新版WPScan:
sudo gem install wpscan
方法二:修改WPSCan脚本的shebang
如果不想重新安装,可以手动修改WPScan脚本的解释器路径:
-
使用文本编辑器打开WPScan脚本:
sudo nano /usr/local/bin/wpscan -
将第一行的shebang从:
#!/usr/bin/ruby2.7修改为:
#!/usr/bin/ruby -
保存文件并确保脚本有可执行权限:
sudo chmod +x /usr/local/bin/wpscan
方法三:安装特定Ruby版本
如果需要保持与特定Ruby版本的兼容性,可以使用RVM或rbenv等Ruby版本管理工具安装所需版本:
-
安装RVM:
\curl -sSL https://get.rvm.io | bash -s stable source ~/.rvm/scripts/rvm -
安装Ruby 2.7:
rvm install 2.7 -
设置为默认版本:
rvm use 2.7 --default
使用注意事项
安装完成后,可以使用以下命令测试WPScan是否正常工作:
wpscan --version
扫描WordPress站点时,如果遇到重定向问题,正确的参数应该是:
wpscan --url example.com --ignore-main-redirect
注意不是--ignore-main-redirects(带s的版本会报错)。
总结
系统升级导致的WPScan无法运行问题主要是由于Ruby版本变更引起的。通过重新安装WPScan或修改脚本的shebang行,可以快速解决这个问题。对于需要特定Ruby环境的情况,建议使用版本管理工具来维护多个Ruby版本。
保持WPScan及其依赖环境更新是确保WordPress安全扫描工作正常进行的关键。定期执行wpscan --update可以获取最新的安全数据库,提高扫描的准确性。
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