OWASP Nettacker扫描Metasploitable靶机时的服务发现问题解析
2025-06-17 05:41:43作者:廉皓灿Ida
问题背景
在使用OWASP Nettacker对Metasploitable 2靶机进行漏洞扫描时,用户发现扫描过程仅执行了端口扫描(port_scan)模块,而预期的漏洞扫描(vuln)模块虽然被加载但未实际执行。通过详细日志分析,可以观察到系统加载了96个模块,但最终只有端口扫描模块产生了有效结果。
技术分析
从日志中可以看出几个关键现象:
- 模块加载情况:系统成功加载了96个扫描模块,包括各种漏洞扫描模块
- 执行流程异常:虽然漏洞扫描模块被调用(如accela_cve_2021_34370_vuln等),但都立即"finished"而没有实际执行
- 端口扫描结果:成功检测到21(FTP)、22(SSH)、25(SMTP)、80(HTTP)等常用服务端口
根本原因
这个问题实际上与服务发现机制有关。OWASP Nettacker默认会先进行服务发现(service discovery),然后基于发现结果决定执行哪些漏洞扫描模块。当服务发现阶段未能正确识别目标系统运行的服务时,后续的漏洞扫描模块就会跳过执行。
解决方案
通过添加--skip-service-discovery参数可以绕过服务发现阶段,强制Nettacker执行所有指定的扫描模块。这个参数虽然存在于帮助信息中,但在官方文档中缺乏详细说明,容易导致用户困惑。
最佳实践建议
- 对已知目标扫描时,建议使用
--skip-service-discovery参数 - 组合使用端口扫描和漏洞扫描参数,例如:
--scan-modules port_scan,*_vuln - 对于Metasploitable这类已知漏洞的靶机,可以针对性指定相关CVE扫描模块
- 注意WSL环境下的网络连接配置,确保扫描主机能正确访问靶机
总结
这个问题揭示了自动化扫描工具在实际使用中的一个常见痛点:过于智能的服务发现机制有时反而会阻碍扫描的全面性。理解工具的工作原理并掌握关键参数的使用,对于有效开展安全评估至关重要。未来版本的OWASP Nettacker可能会改进这一机制,或至少完善相关文档说明。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
308
2.71 K
仓颉编译器源码及 cjdb 调试工具。
C++
123
803
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
暂无简介
Dart
598
132
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
461
🎉 (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
1.07 K
616
Ascend Extension for PyTorch
Python
141
170
仓颉编程语言命令行工具,包括仓颉包管理工具、仓颉格式化工具、仓颉多语言桥接工具及仓颉语言服务。
C++
55
780
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++
634
232