kube-bench中RKE CIS 1.7配置文件路径问题解析
2025-05-30 16:14:22作者:平淮齐Percy
在kube-bench项目中,针对RKE集群的CIS 1.7基准测试配置文件存在一个路径设置问题。本文将详细分析该问题的背景、影响范围以及解决方案。
问题背景
kube-bench是一个用于检查Kubernetes集群安全配置是否符合CIS基准的工具。在针对RKE(Rancher Kubernetes Engine)集群的CIS 1.7基准测试配置文件中,有几个检查项的路径设置存在问题。
具体表现为:
- 检查项1.1.19(确保Kubernetes PKI目录和文件所有权设置为root:root)
- 检查项4.1.7(确保证书文件权限设置为644或更严格)
- 检查项4.1.8(确保私钥文件权限设置为600)
这些检查项中配置的路径为/node/etc/kubernetes/ssl,而实际上在RKE集群中,正确的路径应该是/etc/kubernetes/ssl。
问题分析
经过深入分析,发现这个路径差异源于不同的部署场景:
- 标准kube-bench部署:直接运行时,需要检查主机上的
/etc/kubernetes/ssl目录 - Rancher CIS Benchmark App部署:在Rancher环境中运行时,会将节点的根目录挂载到容器的
/node路径下,因此需要检查/node/etc/kubernetes/ssl
此外,还发现相关检查依赖的辅助脚本check_files_owner_in_dir.sh存在三个实现问题:
- Dockerfile中的复制命令缺少斜杠,导致脚本未被正确复制到目标位置
- 容器中缺少bash环境,无法执行脚本
- 脚本缺少可执行权限
解决方案
针对路径问题,建议在标准kube-bench配置中使用正确的路径/etc/kubernetes/ssl。对于Rancher的特殊部署场景,可以通过配置变量来适配。
对于辅助脚本问题,需要:
- 修复Dockerfile中的复制命令
- 在容器中安装bash环境
- 为脚本添加可执行权限
从长远来看,可以考虑参考k3s/RKE2的实现方式,不使用辅助脚本,而是直接使用stat命令进行检查,这样更加简洁可靠。
实施建议
对于使用kube-bench进行RKE集群安全评估的用户,建议:
- 检查使用的kube-bench版本是否已修复此问题
- 如果使用自定义配置,确保路径设置正确
- 验证辅助脚本是否能够正常执行
- 考虑升级到使用stat命令的实现方式,避免脚本依赖问题
这个问题虽然看起来是简单的路径配置错误,但实际上反映了不同部署环境下的适配需求,也提醒我们在安全工具开发中需要考虑多种使用场景。
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
245
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
672
157
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
262
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
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217