OpenVAS Scanner中pcap_lookupdev函数导致的本地IP检测问题分析
2025-06-18 04:18:39作者:宣利权Counsellor
在网络安全扫描工具OpenVAS Scanner中,存在一个关于本地IP地址检测的重要技术问题。该问题会影响MAC地址检测功能的正常工作,特别是在多IP地址配置的网络环境中。
问题背景
OpenVAS Scanner在进行网络扫描时,需要判断目标IP地址是否位于本地网络中。这一判断通过v6_is_local_ip函数实现,该函数底层调用pcap_lookupnet来获取网络接口信息。然而,当前实现存在一个关键缺陷:它仅检查接口上的第一个IP地址,而忽略了可能存在的其他IP地址。
技术细节分析
在Linux系统中,一个网络接口可以配置多个IP地址。例如,一个名为mgmt0的接口可能同时拥有:
- 169.254.164.180/16(链路本地地址)
- 192.168.2.1/24(全局地址)
当前的实现使用pcap_lookupnet函数,该函数存在以下限制:
- 只能返回接口上的第一个IP地址及其子网信息
- 无法枚举接口上的所有IP地址
- 在Ubuntu 20.04等现代系统上已被标记为弃用
问题影响
当扫描器IP为192.168.2.1/24,目标IP为192.168.2.7时:
pcap_lookupnet只返回169.254.0.0/16信息- 目标IP192.168.2.7被认为不在本地网络
- MAC地址检测功能提前退出,无法获取目标MAC地址
解决方案建议
更可靠的实现应该使用getifaddrs系统调用,该调用能够:
- 枚举系统上所有网络接口
- 获取每个接口的所有IP地址配置
- 支持IPv4和IPv6地址
- 是现代Linux系统的标准做法
示例实现思路:
- 调用
getifaddrs获取接口列表 - 遍历每个接口的地址信息
- 检查目标IP是否匹配任何接口的IP子网
- 释放接口列表内存
技术验证
通过编写测试程序验证了两种方法的差异:
pcap_lookupnet测试程序仅返回第一个IP的子网信息getifaddrs测试程序正确显示了接口上的所有IP地址
结论
OpenVAS Scanner中的本地IP检测功能需要更新以支持现代网络环境。改用getifaddrs系统调用可以解决当前问题,确保在多IP地址环境下也能正确识别本地网络。这一改进将提升MAC地址检测等依赖本地网络判断功能的可靠性。
对于网络安全扫描工具而言,准确识别本地网络是许多高级功能的基础。修复此问题将增强工具在复杂网络环境中的适用性,特别是在企业级部署场景下。
登录后查看全文
热门项目推荐
相关项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
131
React Native鸿蒙化仓库
JavaScript
235
309
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++
634
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
738
🎉 (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
1.06 K
616
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
199
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460