Bubblewrap 开源项目教程
1. 项目介绍
Bubblewrap 是一个低级别的无特权沙箱工具,主要用于 Flatpak 和其他类似项目。它允许用户在不使用特权的情况下创建沙箱环境,从而限制应用程序对系统的访问。Bubblewrap 通过创建一个新的、完全空的挂载命名空间来工作,其中根目录位于一个对主机不可见的 tmpfs 上,并且在最后一个进程退出时会自动清理。
Bubblewrap 的主要目标是提供一个安全的沙箱环境,使得应用程序可以在受限的访问权限下运行,从而减少潜在的安全风险。它支持多种命名空间(如用户命名空间、IPC 命名空间、PID 命名空间、网络命名空间和 UTS 命名空间),并且可以通过 seccomp 过滤器进一步限制系统调用。
2. 项目快速启动
安装 Bubblewrap
Bubblewrap 可以在大多数 Linux 发行版的包仓库中找到,可以通过包管理器进行安装。例如,在 Ubuntu 上可以使用以下命令安装:
sudo apt-get install bubblewrap
如果你需要从源代码构建 Bubblewrap,可以使用以下步骤:
# 克隆项目仓库
git clone https://github.com/containers/bubblewrap.git
cd bubblewrap
# 使用 meson 构建
meson _builddir
meson compile -C _builddir
meson test -C _builddir
meson install -C _builddir
快速启动示例
以下是一个简单的示例,展示如何使用 Bubblewrap 创建一个沙箱环境,并在其中运行一个新的 shell:
bwrap \
--ro-bind /usr /usr \
--symlink usr/lib64 /lib64 \
--proc /proc \
--dev /dev \
--unshare-pid \
--new-session \
bash
在这个示例中,我们创建了一个新的沙箱环境,并将主机的 /usr 目录以只读方式挂载到沙箱中。我们还创建了一个符号链接 /lib64 指向 /usr/lib64,并挂载了 /proc 和 /dev 目录。最后,我们使用 --unshare-pid 和 --new-session 选项来隔离进程和会话,并在沙箱中启动一个新的 bash shell。
3. 应用案例和最佳实践
应用案例
-
Flatpak: Flatpak 是一个用于构建、分发和运行 Linux 应用程序的工具。它使用 Bubblewrap 来创建沙箱环境,确保应用程序在受限的权限下运行,从而提高系统的安全性。
-
Kubernetes/OpenShift: 在 Kubernetes 或 OpenShift 集群中,Bubblewrap 可以用于允许无特权用户使用容器功能,从而简化交互式调试场景。
-
Web 浏览器沙箱: 一些现代 Web 浏览器使用 Bubblewrap 来创建沙箱环境,限制浏览器进程对系统的访问,从而提高浏览器的安全性。
最佳实践
-
限制系统调用: 使用 seccomp 过滤器限制沙箱中的系统调用,以减少潜在的安全风险。
-
只读挂载: 将敏感目录(如
/usr和/etc)以只读方式挂载到沙箱中,防止沙箱内的进程修改这些目录。 -
使用
--new-session: 在创建沙箱时使用--new-session选项,以防止沙箱内的进程通过 TIOCSTI 命令执行外部命令。
4. 典型生态项目
-
Flatpak: 一个用于构建、分发和运行 Linux 应用程序的工具,广泛使用 Bubblewrap 来创建沙箱环境。
-
rpm-ostree: 一个用于管理操作系统更新的工具,使用 Bubblewrap 来创建无特权的沙箱环境。
-
unprivileged bwrap-oci: 一个用于创建无特权 OCI 容器的工具,使用 Bubblewrap 来隔离容器进程。
通过这些生态项目,Bubblewrap 在 Linux 系统中得到了广泛的应用,为用户提供了安全、可靠的沙箱环境。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
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
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00