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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00