Checkov项目中CKV_DOCKER_9检查规则的深入解析
2025-05-30 01:00:37作者:幸俭卉
在Dockerfile安全扫描工具Checkov中,CKV_DOCKER_9是一个专门用于检查是否使用了apt命令而非推荐使用的apt-get命令的规则。这条规则的设计初衷是为了确保用户在构建Docker镜像时遵循最佳实践,因为apt-get相比apt提供了更稳定和可预测的行为。
规则背景与设计原理
apt和apt-get都是Debian/Ubuntu系统中的包管理工具,但它们在设计上有所不同:
apt-get是更底层的工具,行为更加稳定和可预测apt是较新的用户友好界面,但可能在不同版本间有行为变化- 在自动化脚本和Dockerfile中,
apt-get是更推荐的选择
Checkov的CKV_DOCKER_9规则正是基于这些考虑而设计的,它会扫描Dockerfile中所有RUN指令,检查是否直接使用了apt命令。
常见误报场景分析
在实际使用中,开发者可能会遇到CKV_DOCKER_9规则的误报情况,特别是在处理与apt相关的文件和目录时。例如:
RUN cd /var/lib && rm -rf apt dpkg cache log
这种情况下,虽然命令中出现了"apt"字符串,但它实际上是在删除/var/lib/apt目录,而非执行apt命令。这种模式匹配导致了规则的误报。
解决方案与最佳实践
针对这种误报情况,有以下几种解决方案:
-
使用花括号扩展语法:
RUN rm -rf /var/lib/{apt,dpkg,cache,log}这种写法更加明确,且避免了在路径中出现单独的"apt"字符串。
-
结合SHELL指令:
SHELL ["/bin/bash", "-c"] RUN rm -rf /var/lib/{apt,dpkg,cache,log}这样可以确保花括号扩展语法能够正常工作。
-
完整路径写法:
RUN rm -rf /var/lib/apt /var/lib/dpkg /var/lib/cache /var/lib/log这种写法虽然冗长,但最为明确且兼容性最好。
规则优化建议
从技术实现角度看,Checkov的CKV_DOCKER_9规则可以进一步优化其检测逻辑:
- 应该区分"apt"作为命令和作为路径/参数的情况
- 可以增加对命令上下文的判断,例如检查"apt"是否出现在命令开头位置
- 对于rm等文件操作命令中的"apt"字符串,可以考虑忽略
总结
Checkov的CKV_DOCKER_9规则是一个有价值的安全检查,帮助开发者遵循Dockerfile最佳实践。理解其工作原理和潜在误报场景,能够帮助开发者更有效地使用这一工具。在实际开发中,建议结合多种解决方案,选择最适合项目需求和团队习惯的方式来编写Dockerfile,既保证安全性又避免不必要的警告。
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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥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
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
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
879