Scapy项目中NBNS协议包结构变更分析
2025-05-20 01:31:13作者:袁立春Spencer
背景介绍
Scapy是一个强大的Python网络数据包操作工具,能够对多种网络协议进行构造和解析。近期在Scapy项目中发现,NetBIOS名称服务(NBNS)协议的数据包结构在不同版本中发生了显著变化,这导致了一些兼容性问题。
问题现象
在Scapy 2.4.4版本中,NBNS查询响应包(NBNSQueryResponse)包含了完整的响应信息,如事务ID(NAME_TRN_ID)、标志位(FLAGS)、资源记录名称(RR_NAME)、TTL值以及网络地址(NB_ADDRESS)等字段。这些字段都被组织在一个统一的NBNSQueryResponse层中。
然而在Scapy 2.5.0及更高版本中,NBNS协议包的结构被重新设计。现在,基础信息如事务ID、响应标志等被移到了NBNSHeader层,而具体的查询响应内容则保留在NBNSQueryResponse层中。这种变化导致直接访问某些字段(如NB_ADDRESS)会引发AttributeError。
技术解析
旧版本结构(2.4.4及之前)
在旧版本中,NBNS协议包采用单一层次结构:
- 所有NBNS相关字段都集中在NBNSQueryResponse层
- 包含完整的查询和响应信息
- 结构简单但扩展性有限
新版本结构(2.5.0及之后)
新版本采用了更模块化的设计:
-
NBNSHeader层:包含协议基础信息
- 事务ID(NAME_TRN_ID)
- 操作码(OPCODE)
- 响应标志(RESPONSE)
- 各类型资源记录计数(QDCOUNT/ANCOUNT等)
-
NBNSQueryResponse层:包含具体响应内容
- 资源记录名称(RR_NAME)
- 查询类型(QUESTION_TYPE)
- 地址条目(ADDR_ENTRY列表,包含NBNS_ADD_ENTRY对象)
-
地址信息现在通过ADDR_ENTRY列表中的NBNS_ADD_ENTRY对象访问
- 包含G标志位
- 节点类型(OWNER_NODE_TYPE)
- 实际网络地址(NB_ADDRESS)
影响与解决方案
这种结构变化主要影响:
- 现有代码中直接访问NB_ADDRESS等字段的操作
- 数据包构造方式
- 数据包解析逻辑
在新版本中正确构造NBNS响应包的示例:
packet = Ether()/IP()/UDP()/NBNSHeader(
NAME_TRN_ID=12115,
RESPONSE=1,
OPCODE=0,
NM_FLAGS=88,
QDCOUNT=0,
ANCOUNT=1
)/NBNSQueryResponse(
RR_NAME=b'POTATO',
SUFFIX=16705,
QUESTION_TYPE=32,
ADDR_ENTRY=[NBNS_ADD_ENTRY(NB_ADDRESS='192.168.1.65')]
)
最佳实践建议
- 明确指定Scapy版本依赖
- 对新旧版本做兼容性处理
- 查阅对应版本的文档和源码
- 使用更模块化的方式构造协议包
这种结构变化虽然带来了短期兼容性问题,但从长期看提高了协议的扩展性和灵活性,能够更好地支持NBNS协议的各种变体和扩展功能。
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
222
238
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
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217