OpenVAS Scanner v23.17.0 版本深度解析:安全扫描新特性与改进
OpenVAS(Open Vulnerability Assessment System)是一款功能强大的开源安全扫描工具,它能够帮助安全专业人员识别网络系统中的潜在风险。作为其核心组件,OpenVAS Scanner负责执行实际的扫描任务并检测系统中的安全问题。最新发布的v23.17.0版本带来了一系列重要的功能增强和问题修复,进一步提升了工具的实用性和可靠性。
核心功能增强
1. 新增NASL内置函数支持
本次更新在NASL(Nessus Attack Scripting Language)脚本语言中新增了几个关键内置函数:
script_get_preference()函数允许脚本获取预定义的偏好设置,为风险检测提供了更灵活的配置方式- 新增的
pem_to_rsa()和pem_to_dsa()函数实现了PEM格式密钥到RSA/DSA密钥的转换,增强了加密相关操作的能力 ftp_get_pasv_port()函数专门用于FTP协议扫描,能够获取FTP被动模式下的端口信息
这些新增函数显著扩展了NASL脚本的能力范围,使安全研究人员能够编写更复杂、更精确的风险检测脚本。
2. IPv6协议全面支持
v23.17.0版本对IPv6协议的支持进行了重大升级,包括:
- IPv6数据包处理能力
- 支持TCP和UDP协议在IPv6上的实现
- 完整的ICMPv6协议支持
随着IPv6网络的普及,这一改进确保了OpenVAS Scanner能够有效扫描现代网络环境中的IPv6设备和服务。
3. 性能监控接口
新增的GET /health/performance?端点提供了系统性能监控能力,管理员可以通过此接口:
- 实时获取扫描器性能指标
- 监控资源使用情况
- 及时发现潜在的性能瓶颈
这一功能对于大规模部署环境尤为重要,有助于维持扫描服务的稳定性。
系统改进与优化
1. 软件包检测增强
Notus组件(OpenVAS的风险检测引擎)在此版本中获得了多项改进:
- 新增对Arch Linux及其ALPM包管理器的支持,扩展了Linux发行版覆盖范围
- 改进了ebuild(Gentoo包格式)的解析和比较算法,提高了检测准确性
- 优化了正则表达式处理,提升了模式匹配效率
这些改进使得OpenVAS能够更准确地识别各种Linux发行版上安装的软件包及其版本信息。
2. 端口处理机制重构
本次更新对端口处理机制进行了重构:
- 改进了知识库(KB)中的端口存储方式
- 优化了相关NASL函数的端口操作逻辑
- 提高了端口扫描的准确性和效率
这一改进对于网络服务发现和风险检测具有重要意义。
关键问题修复
v23.17.0版本解决了多个影响系统稳定性和功能性的问题:
- 主机名解析问题:修复了默认解析为LOCALHOST的问题,确保扫描目标识别准确
- 数据转换问题:修正了整数0/1到OpenVAS布尔值no/yes的转换逻辑
- 编码问题:解决了feed更新时的编码处理异常
- 进程管理:修复了NASL解释器中的forking行为问题
- 扫描管理:改进了扫描删除操作的可靠性
- 运算符问题:修正了>>>移位运算符的方向错误
这些修复显著提升了工具的稳定性和可靠性,减少了在实际使用中可能遇到的问题。
安全增强
本次更新特别关注了安全相关改进:
- 集成了CISA KEV(已知风险)数据库,使扫描器能够优先检测已被确认的安全问题
- 改进了Xrefs(交叉引用)参数处理,确保风险参考信息准确无误
- 增强了数据验证机制,防止潜在的安全问题
这些安全增强措施使OpenVAS Scanner在风险检测方面更加全面和可靠。
技术架构改进
在底层架构方面,v23.17.0版本继续推进Rust语言的集成:
- 更多关键功能从C迁移到Rust实现,提高了内存安全性和并发性能
- 优化了Rust与现有C代码的互操作性
- 减少了潜在的内存安全问题
这种渐进式的重写策略既保证了稳定性,又逐步提升了代码质量。
总结
OpenVAS Scanner v23.17.0版本通过新增功能、改进现有实现和修复关键问题,进一步巩固了其作为开源安全扫描解决方案的地位。特别是对IPv6的全面支持、性能监控接口的加入以及安全检测能力的增强,使其能够更好地适应现代网络环境的需求。对于安全专业人员来说,升级到这一版本将获得更全面、更可靠的风险检测能力,有助于更有效地识别和处理系统中的安全问题。
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