Fail2Ban中ipset类型配置问题解析与解决方案
2025-05-16 23:17:00作者:咎岭娴Homer
问题背景
在使用Fail2Ban进行网络防护时,管理员可能会遇到需要批量封禁IP段(CIDR格式)的需求。然而,默认配置下Fail2Ban使用ipset的hash:ip类型,这会导致在处理大量IP段时出现"Hash is full"错误,因为每个IP地址都会被单独存储,快速耗尽ipset的容量限制。
问题分析
当尝试封禁类似103.131.71.0/24这样的IP段时,系统日志会显示"ipset v7.17: Hash is full, cannot add more elements"错误。这是因为:
- 默认的ipset类型为hash:ip,会将整个IP段展开为256个独立IP地址
- 即使设置了较大的maxelem值(如1000000),对于大规模IP段封禁仍可能不足
- 使用hash:ip类型处理IP段不仅效率低下,还可能造成IP段之间的冲突
解决方案
方法一:自定义action配置
- 创建自定义action文件
/etc/fail2ban/action.d/manual.local:
[INCLUDES]
before = iptables-ipset.conf
[Definition]
actionstart = ipset -exist create <ipmset> hash:net timeout <default-ipsettime> maxelem <maxelem> <familyopt>
<_ipt_add_rules>
- 在jail配置中指定使用此action:
[manual]
enabled = true
banaction = manual
方法二:使用新版参数(Fail2Ban v1.0+)
在较新版本的Fail2Ban中,可以直接通过参数指定ipset类型:
[manual]
enabled = true
action = iptables-ipset[type=allports, ipsettype=hash:net]
重要注意事项
- 修改配置后必须完全重启Fail2Ban服务,简单的reload可能不会生效
- 如果已有ipset存在,需要先手动销毁旧的ipset集合
- 确保配置文件中的action名称与实际使用的action匹配
技术原理
hash:net与hash:ip的主要区别:
- hash:ip:将每个IP地址单独存储,适合精确到单个IP的封禁
- hash:net:将IP段作为整体存储,适合批量封禁,节省存储空间
例如,封禁192.0.2.0/24:
- hash:ip会存储256个条目(192.0.2.0-192.0.2.255)
- hash:net仅存储1个条目(192.0.2.0/24)
最佳实践
-
根据实际需求选择合适的ipset类型:
- 主要封禁单个IP:使用hash:ip
- 主要封禁IP段:使用hash:net
-
合理设置maxelem参数,平衡内存使用和封禁容量
-
定期检查ipset使用情况:
ipset list <setname> -
对于混合场景(既有IP段又有单个IP),hash:net类型同样适用,因为单个IP可以视为/32或/128的子网
通过正确配置ipset类型,管理员可以更高效地利用Fail2Ban进行大规模网络防护,避免"Hash is full"错误,同时确保安全策略的准确执行。
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
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137