深入解析flare-fakenet-ng网络流量捕获中的协议封装问题
2025-07-06 04:39:42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
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
132
React Native鸿蒙化仓库
JavaScript
235
309
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++
634
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
746
🎉 (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
1.06 K
616
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
199
74
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
460