Scapy项目ICMP分片报文重组技术解析
2025-05-20 08:12:00作者:薛曦旖Francesca
背景概述
在网络协议分析工具Scapy中,当处理ICMP协议的分片报文时,开发者可能会遇到只能接收到首个分片的问题。这种情况常见于目标设备返回的ICMP响应报文超过MTU限制时,系统会自动进行IP分片传输。传统抓包工具如Wireshark能够完整显示重组后的报文,但通过Scapy基础接口仅能获取第一个分片。
问题本质
Scapy默认的报文接收机制采用原子化处理模式,每个IP分片会被视为独立数据包。对于需要应用层重组的分片报文(如大尺寸ICMP响应),这种处理方式会导致:
- 仅捕获首个分片报文
- 后续分片被丢弃或未重组
- 应用层无法获取完整报文内容
解决方案
Scapy提供了IP会话重组功能,通过IPSession类实现分片报文的自动重组。该解决方案的核心机制包含:
- 分片缓存:临时存储接收到的分片报文
- 超时管理:设置合理的等待时间收集所有分片
- 完整性校验:验证分片序号和偏移量
- 自动重组:当收到所有分片后重构原始报文
典型实现代码如下:
from scapy.all import *
from scapy.sessions import IPSession
def send_icmp_with_reassembly(dst_ip, payload):
icmp_req = ICMP(type='echo-request')/Raw(load=payload)
response = sr(IP(dst=dst_ip)/icmp_req,
timeout=2,
session=IPSession(), # 关键重组参数
verbose=False)
return response
技术原理
IPSession的工作流程包含以下关键技术点:
- 哈希分片标识:基于源IP、目标IP、IP ID和协议号建立分片组标识
- 分片树构建:使用偏移量构建分片位置索引
- 超时机制:默认60秒内未收到全部分片则丢弃缓存
- 内存管理:采用LRU算法管理分片缓存
进阶应用
对于复杂网络环境,建议结合以下参数优化:
- 分片超时调整:
conf.ipfrag_lifetime = 30 # 单位:秒
- 大报文处理:
conf.max_pkt_size = 65535 # 增大缓冲区尺寸
- 调试模式:
conf.debug_dissector = True # 显示重组过程
注意事项
- 在高速网络环境中需平衡超时时间和性能
- 分片攻击防护建议配合防火墙规则使用
- IPv6环境需使用
Fragment6Session类 - 持续会话场景建议使用
TCPSession进行全栈重组
通过掌握Scapy的分片重组技术,网络工程师可以更有效地分析大尺寸ICMP报文交互,为网络诊断和安全审计提供完整的数据支持。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
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
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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