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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0139- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
MusicFreeDesktop插件化、定制化、无广告的免费音乐播放器TypeScript00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
29
16
暂无描述
Dockerfile
727
4.66 K
Ascend Extension for PyTorch
Python
599
751
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.02 K
139
🎉 (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
1.66 K
971
暂无简介
Dart
970
246
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
427
377
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
1.09 K
610
AI 将任意文档转换为精美可编辑的 PPTX 演示文稿 — 无需设计基础 | 包含 15 个案例、229 页内容
Python
122
7
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++
992
988