ZMap项目中的IP层数据包发送问题分析与解决方案
2025-06-05 23:51:18作者:何举烈Damon
问题背景
在ZMap网络扫描工具的使用过程中,开发人员发现当使用-X参数(即--iplayer选项)仅发送IP层数据包时,在Ubuntu系统上无法获得任何扫描结果。这一问题不仅出现在本地虚拟机环境中,在Digital Ocean云服务器上同样可以复现。
问题现象
当执行以下命令时:
sudo ./src/zmap -p 80 -N 5 -X -i enp0s8 -T 1
ZMap会持续发送数据包但收不到任何响应,扫描进度始终显示0%命中率。相比之下,不使用-X参数时扫描能够正常工作。
技术分析
通过对网络数据包的抓取分析,发现两种模式下发送的数据包在IP层和TCP层内容上基本一致,主要区别在于:
- IP ID字段:使用
-X时IP ID是随机生成的,而不使用时是固定值 - 校验和:两种模式下的TCP校验和不同
- MAC地址:深入分析发现使用
-X时数据包的目标MAC地址被设置为00:00:00:00:00:00
进一步调试发现,当启用--iplayer选项时,ZMap当前使用AF_PACKET和SOCK_DGRAM创建原始套接字,这导致了MAC地址处理异常。正确的做法应该是使用PF_INET和SOCK_RAW来创建IP层原始套接字。
解决方案
经过开发者验证,以下代码修改可以解决该问题:
diff --git a/src/socket-linux.c b/src/socket-linux.c
index b1710c7..c1e2208 100644
--- a/src/socket-linux.c
+++ b/src/socket-linux.c
@@ -20,7 +20,7 @@ sock_t get_socket(UNUSED uint32_t id)
{
int sock;
if (zconf.send_ip_pkts) {
- sock = socket(AF_PACKET, SOCK_DGRAM, htons(ETH_P_ALL));
+ sock = socket(PF_INET, SOCK_RAW, IPPROTO_RAW);
} else {
sock = socket(AF_PACKET, SOCK_RAW, htons(ETH_P_ALL));
}
这一修改将IP层数据包发送的套接字创建方式从数据链路层的DGRAM套接字改为网络层的RAW套接字,确保IP数据包能够被正确构造和发送。
技术原理
在Linux网络编程中,有几种不同的原始套接字创建方式:
- AF_PACKET+SOCK_RAW:可以发送和接收包括以太网头在内的完整数据帧
- AF_PACKET+SOCK_DGRAM:可以发送和接收不包括链路层头部的数据包
- PF_INET+SOCK_RAW:可以构造和发送自定义IP层数据包
原来的实现错误地使用了AF_PACKET+SOCK_DGRAM组合来发送IP层数据包,导致底层网络栈无法正确处理数据包。修改后使用PF_INET+SOCK_RAW组合,让内核网络栈处理链路层细节,只关注IP层及以上的数据构造。
影响范围
该问题主要影响:
- 使用
-X或--iplayer选项的扫描 - Linux平台上的ZMap运行
- 需要发送纯IP数据包的特殊扫描场景
对于常规的以太网帧扫描不受此问题影响。
总结
ZMap工具中IP层数据包发送功能的这一问题,揭示了Linux网络编程中不同原始套接字类型的细微差别。正确的套接字类型选择对于网络工具的正常工作至关重要。这一修复不仅解决了功能性问题,也为理解Linux网络协议栈的实现提供了有价值的参考。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
316
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
178
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++
639
246
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
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
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
470
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
364
3.02 K