FLARE-Fakenet-NG 数据包封装格式转换技术解析
2025-07-06 17:48:19作者:江焘钦
背景介绍
FLARE-Fakenet-NG 是一款用于模拟网络流量的工具,它能够生成模拟的网络数据包用于安全分析和测试。在实际使用过程中,部分用户发现该工具生成的 pcap 文件采用了 RAW IP 封装格式,而某些专用解析工具无法正确处理这种格式,需要转换为更通用的以太网帧格式。
问题分析
FLARE-Fakenet-NG 默认生成的 pcap 文件具有以下特点:
- 封装类型为 Raw IP (7)
- 协议栈显示为 raw:ip:tcp:tls 等形式
- 缺少以太网帧头信息
这种格式虽然能被 Wireshark 等通用工具解析,但某些专用解析软件需要标准的以太网帧格式:
- 封装类型为 Ethernet (1)
- 协议栈显示为 eth:ethertype:ip:tcp:tls
- 包含完整的以太网帧头
解决方案
通过分析源代码发现,FLARE-Fakenet-NG 使用 dpkt.pcap.Writer 创建 pcap 文件时指定了 linktype=dpkt.pcap.DLT_RAW 参数。虽然可以修改为 DLT_EN10MB,但这样生成的以太网帧缺少正确的协议类型标识。
更可靠的解决方案是使用 Scapy 库进行后期处理,添加完整的以太网帧头:
from scapy.utils import rdpcap, wrpcap
from scapy.layers.l2 import Ether
def convert_pcap(raw_pcap_path, output_pcap_path):
# 读取原始pcap文件
packets = rdpcap(raw_pcap_path)
# 创建以太网帧头
eth_header = Ether(src="00:11:22:33:44:55",
dst="aa:bb:cc:dd:ee:ff",
type=0x0800) # IPv4类型
# 转换每个数据包
converted = [eth_header/pkt.getlayer(0) for pkt in packets]
# 写入新文件,指定链路类型为以太网(1)
wrpcap(output_pcap_path, converted, linktype=1)
技术细节
-
Ethernet 帧构造:
- src/dst MAC地址可以自定义,不影响协议解析
- type=0x0800 标识上层协议为IPv4
-
链路类型选择:
- linktype=1 对应 DLT_EN10MB,表示标准以太网帧
-
数据包重组:
- 保留原始IP层及以上内容(pkt.getlayer(0))
- 添加新的以太网帧头
应用场景
这种转换技术特别适用于:
- 需要与特定解析工具集成的场景
- 网络流量重放测试
- 教学演示中展示完整网络协议栈
- 安全设备测试验证
总结
通过理解FLARE-Fakenet-NG的数据包生成机制,我们可以灵活地调整输出格式以满足不同工具的需求。使用Scapy进行后期处理是一种可靠且非侵入式的解决方案,既保留了原始工具的功能,又扩展了其兼容性。这种方法也展示了网络安全工具链中数据格式转换的通用思路。
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
Ascend Extension for PyTorch
Python
223
246
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137