kube-bench中RKE CIS 1.7配置文件路径问题解析
2025-05-30 15:43:46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
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
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
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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