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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00