在Oxidized项目中隐藏Cisco设备SFTP路径中的敏感信息
2025-06-27 19:10:56作者:尤辰城Agatha
背景介绍
Oxidized是一个流行的网络设备配置备份工具,支持多种设备类型。在使用过程中,某些设备的配置文件中可能包含敏感信息,如SFTP路径中的用户名和密码。为了保护这些敏感数据,我们需要对配置文件进行适当的过滤处理。
问题分析
在Cisco IOS设备的配置中,SFTP备份路径可能包含明文密码,例如:
path sftp://user:password@ip//upload/Catalyst-archive/C9k-IX-MSK-AG-SW/$h$t
虽然Oxidized的ios.rb模型文件已经提供了一些敏感信息过滤功能,但默认可能不包含对SFTP路径的特定处理。
解决方案
修改模型文件
我们需要编辑ios.rb模型文件,添加对SFTP路径的过滤规则。以下是具体实现方法:
- 打开模型文件(通常位于
/lib/oxidized/model/ios.rb) - 在
cmd :secret部分添加新的正则表达式替换规则
cmd :secret do |cfg|
cfg.gsub! /(path sftp:\/\/).*/, '\\1 <Path: removed>'
# 其他现有的替换规则...
end
正则表达式说明
这个正则表达式的工作原理是:
(path sftp:\/\/):匹配"path sftp://"并捕获为第一组.*:匹配后面的所有字符(即用户名、密码和路径信息)- 替换为
\\1 <Path: removed>:保留第一组匹配内容,后面替换为"<Path: removed>"
测试验证
在实施修改前,建议先在Ruby的交互式环境(irb)中测试正则表达式:
cfg = "path sftp://user:password@ip//upload/Catalyst-archive/C9k-IX-MSK-AG-SW/$h$t"
cfg.gsub! /(path sftp:\/\/).*/, '\\1 <Path: removed>'
# 输出结果应为:"path sftp:// <Path: removed>"
实施步骤
- 修改ios.rb文件,添加上述替换规则
- 重启Oxidized服务使更改生效
- 对于Docker部署的环境,需要重新构建容器镜像或确保修改后的文件被正确挂载
注意事项
- 确保正则表达式足够精确,避免误匹配其他配置内容
- 修改后应全面测试,确认不影响其他配置内容的采集
- 对于不同格式的SFTP路径,可能需要调整正则表达式
- 在团队协作环境中,应记录这类定制化修改
通过以上方法,可以有效隐藏Cisco设备配置中的SFTP路径敏感信息,提高系统安全性。这种模式也可以应用于其他需要隐藏敏感信息的场景,只需调整相应的正则表达式即可。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
421
3.22 K
Ascend Extension for PyTorch
Python
230
261
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++
689
330
暂无简介
Dart
686
160
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
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869