OpenVAS Scanner 23.14.0版本编译问题:krb5.h缺失解决方案
在升级OpenVAS Scanner到23.14.0版本时,部分用户在编译过程中遇到了一个典型的依赖问题。本文将详细分析该问题的成因,并提供完整的解决方案。
问题现象
当用户尝试执行make install命令编译安装OpenVAS Scanner 23.14.0时,编译过程会在构建openvas_misc_shared模块时失败。具体错误信息显示编译器无法找到krb5/krb5.h头文件,导致编译过程中断。
根本原因
这个问题的根源在于Kerberos开发库的缺失。OpenVAS Scanner 23.14.0版本新增了对Kerberos认证协议的支持,因此在编译时需要链接Kerberos相关的开发库。然而,项目文档中未能及时更新这一新的依赖要求。
解决方案
对于基于Debian/Ubuntu的系统
执行以下命令安装所需的开发包:
sudo apt-get install libkrb5-dev
对于基于RHEL/CentOS的系统
执行以下命令安装所需的开发包:
sudo yum install krb5-devel
对于其他Linux发行版
请根据您的包管理系统安装相应的Kerberos开发包,通常包名会包含"krb5"和"dev"或"devel"字样。
技术背景
Kerberos是一种网络认证协议,它通过使用密钥加密技术为客户端/服务器应用程序提供强身份验证。OpenVAS Scanner引入Kerberos支持主要是为了:
- 增强对需要Kerberos认证的目标系统的扫描能力
- 支持在企业环境中更安全的认证方式
- 扩展对Windows域环境的扫描支持
验证安装
安装完开发包后,可以通过以下方式验证是否安装成功:
ls /usr/include/krb5/krb5.h
如果该文件存在,则表明Kerberos开发环境已正确安装。
后续建议
对于开发者而言,建议在CMake配置阶段添加对Kerberos开发库的检查,这样可以在早期阶段发现问题,而不是在编译过程中才报错。这可以通过在CMakeLists.txt中添加适当的find_package()或check_include_file()指令来实现。
对于用户而言,在升级任何安全扫描工具时,建议先查看最新的安装文档,并准备好安装可能新增的依赖项。
总结
OpenVAS Scanner作为一款功能强大的漏洞扫描工具,其新版本增加了对Kerberos协议的支持,这带来了更好的企业环境兼容性。虽然初期可能会遇到一些依赖问题,但通过安装相应的开发包即可轻松解决。理解这些依赖关系不仅有助于解决当前问题,也为后续的维护和升级工作打下了良好基础。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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