ClamAV模块在Drupal 10中处理大文件上传的配置优化
2025-06-09 17:00:57作者:齐添朝
问题背景
在使用Drupal 10.3.6系统的ClamAV模块进行文件上传时,发现一个特殊现象:25MB以下的ZIP文件可以正常上传并完成病毒扫描,而超过25MB的文件则会被拦截并显示"反病毒扫描程序无法检查文件"的错误提示。这个问题在将"ClamAV不可用时的行为"设置为"允许未检查文件"时可以绕过,但这显然不是理想的安全解决方案。
根本原因分析
经过深入排查,发现问题的根源在于ClamAV守护进程(clamd)的默认配置限制。虽然Drupal系统本身已经正确配置了PHP和Apache的文件上传大小限制,但ClamAV服务端的扫描限制仍然保持着默认值,这导致大文件无法完成完整的病毒扫描流程。
解决方案
要解决这个问题,需要对ClamAV的配置文件进行以下关键参数调整:
- MaxFileSize:设置ClamAV允许扫描的最大单个文件大小
- MaxScanSize:设置ClamAV扫描时处理的最大数据量(包括解压后的内容)
- StreamMaxLength:设置流式扫描的最大长度
具体配置示例如下(位于/etc/clamd.d/scan.conf):
StreamMaxLength = "115343360" # 110MB
MaxScanSize = "115343360" # 110MB
MaxFileSize = "115343360" # 110MB
配置建议
-
数值设定原则:建议将这三个参数设置为略高于Drupal系统中设置的最大上传文件大小(例如Drupal设置为100MB,ClamAV可设为110MB)
-
MaxScanSize的特殊性:这个参数需要特别关注,因为它需要能够容纳解压后的文件内容。对于ZIP等压缩文件,建议设置为原始文件大小的2-3倍。
-
服务重启:修改配置后必须重启ClamAV服务才能生效:
systemctl restart clamav-daemon
验证配置
可以使用clamconf工具验证配置是否生效:
clamconf -n
在输出中应该能看到更新后的参数值。
性能考量
增大这些限制值可能会对系统资源产生影响,特别是内存使用。在资源有限的服务器上,需要权衡安全需求与系统性能。建议:
- 监控系统资源使用情况
- 根据实际业务需求设置合理的上限
- 考虑对超大文件采用其他安全措施
总结
通过合理配置ClamAV的扫描参数,可以有效解决Drupal系统中大文件上传被错误拦截的问题。这需要在系统安全性和可用性之间找到平衡点,确保既能有效防范病毒威胁,又不影响正常的业务文件上传需求。
登录后查看全文
热门项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
317
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
157
178
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++
639
246
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
242
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
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
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K