Falco项目在RHEL 9.4内核模块编译问题的技术分析
在Falco安全监控工具的使用过程中,部分用户在RHEL 9.4系统上遇到了内核模块(kmod)编译失败的问题。本文将深入分析该问题的技术背景、原因以及解决方案。
问题现象
当用户尝试在RHEL 9.4系统(内核版本5.14.0-427.16.1.el9_4.x86_64)上使用Falco 0.37.1版本时,内核模块编译过程会失败。而同样的操作在RHEL 9.3系统(内核版本5.14.0-362.24.1.el9_3.x86_64)上则可以顺利完成。
根本原因分析
经过技术团队调查,发现这个问题源于RHEL 9.4内核从较新版本(Linux 6.4)向后移植(backport)了一些补丁。具体来说,是Linux内核提交dcfbb67e48a2becfce7990386e985b9c45098ee5中关于class_create()函数接口的变更被移植到了5.14内核版本中。
这种向后移植导致了Falco内核模块在编译时与旧版接口不兼容,从而引发编译错误。这是Linux内核开发中常见的问题,当较新内核的特性被移植到旧版本时,可能会破坏原有驱动程序的兼容性。
解决方案
Falco开发团队已经在新版本中解决了这个问题。具体来说:
-
在即将发布的Falco 0.38.0版本中,团队通过两个重要的代码修改增强了驱动程序的兼容性:
- 实现了更智能的接口探测机制
- 增加了对这类向后移植特性的灵活检测能力
-
对于当前遇到问题的用户,建议采用以下临时解决方案:
- 使用modern_ebpf驱动替代传统的内核模块
- 通过命令行参数
-o engine.kind=modern_ebpf或配置文件设置来启用modern_ebpf引擎
技术演进
值得注意的是,Falco 0.38.0版本将默认使用modern_ebpf作为驱动引擎。与传统的内核模块相比,modern_ebpf具有以下优势:
- 更好的兼容性,支持所有系统调用
- 更安全,不需要加载内核模块
- 更易于部署和维护
结论
内核向后移植导致的兼容性问题在Linux生态系统中并不罕见。Falco团队通过增强驱动程序的智能检测能力和转向更现代的eBPF技术,有效解决了这类问题。对于安全监控工具而言,保持与各种内核版本的兼容性至关重要,这也是Falco项目持续优化的方向之一。
建议用户升级到Falco 0.38.0或更高版本,以获得最佳的使用体验和系统兼容性。对于必须使用内核模块的场景,新版本也已经解决了RHEL 9.4上的编译问题。
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-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