深入解析flare-fakenet-ng网络流量捕获中的协议封装问题
2025-07-06 11:41:16作者:魏献源Searcher
在网络安全研究和恶意软件分析领域,flare-fakenet-ng是一个功能强大的网络流量模拟工具。它能够模拟各种网络服务,帮助研究人员分析恶意软件的网络行为。然而,在实际使用过程中,我们发现该工具生成的pcap文件在协议封装方面存在一个值得注意的技术细节。
问题背景
flare-fakenet-ng默认生成的pcap文件中,每个数据帧(frame)的第一个协议被标记为"raw:"。这种封装方式在Wireshark等主流网络分析工具中能够正常解析,但某些专用的内部pcap解析软件可能无法正确处理这种格式,要求将"raw:"修改为更常见的"eth:ethertype:"格式。
协议封装差异分析
通过对比实验,我们可以观察到两种不同封装方式的显著差异:
原始fakenet-ng生成的格式:
Frame...
Encapsulation type: Raw IP (7)
[Protocols in frame: raw:ip:tcp:tls]
Raw packet data
IPV4...
TCP...
TLS...
标准以太网捕获的格式:
Frame...
Encapsulation type: Ethernet (1)
[Protocols in frame: eth:ethertype:ip:tcp:tls]
Ethernet II...
IPV4...
TCP...
TLS...
技术解决方案探索
最初尝试通过修改fakenet-ng源代码中的diverterbase.py文件,移除linktype=dpkt.pcap.DLT_RAW参数,让dpkt.pcap.Writer使用默认的dpkt.pcap.DLT_EN10MB值。然而,这种方法虽然改变了封装类型,但生成的协议栈变为eth:ethertype:data,仍然不符合预期。
最终解决方案是使用Scapy工具进行后处理转换,这种方法更加灵活可靠:
from scapy.utils import rdpcap, wrpcap
from scapy.layers.l2 import Ether
# 读取原始pcap文件
packets = rdpcap('/path/to/src/pcap')
# 创建以太网头部
eth_ipv4 = Ether(src="00:11:22:33:44:55", dst="aa:bb:cc:dd:ee:ff", type=0x0800)
# 转换每个数据包
converted_packets = [eth_ipv4 / pkt.getlayer(0) for pkt in packets]
# 写入新的pcap文件
wrpcap('/path/to/dst/pcap', converted_packets, linktype=1)
技术原理深入
-
封装类型差异:
DLT_RAW(类型7)表示原始IP数据包,不包含数据链路层信息DLT_EN10MB(类型1)表示标准以太网帧,包含完整的二层头部
-
Scapy转换过程:
- 为每个原始IP数据包添加以太网头部
- 设置以太网类型为0x0800(IPv4)
- 保留原始IP数据包的所有内容
- 指定输出文件的链路层类型为以太网
实际应用建议
对于需要分析flare-fakenet-ng生成流量的研究人员,建议:
- 如果目标分析工具支持
DLT_RAW格式,可以直接使用原始文件 - 对于严格要求以太网封装的工具,采用上述Scapy转换方案
- 转换时可以自定义源/目的MAC地址以满足特定分析需求
- 注意转换后的文件大小会略有增加(每个包增加14字节以太网头部)
这种协议封装转换技术在网络流量分析、恶意软件行为研究等领域具有实用价值,能够确保分析工具正确解析捕获的网络数据,为安全研究人员提供更准确的分析基础。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
533
3.75 K
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
12
1
🔥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
67
20
暂无简介
Dart
772
191
Ascend Extension for PyTorch
Python
342
405
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++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178