OpenVAS Scanner 构建过程中Kerberos依赖问题的分析与解决
2025-06-18 13:24:03作者:胡易黎Nicole
问题背景
在构建OpenVAS Scanner安全扫描工具时,用户遇到了两个关键的构建失败问题。这些问题主要与Kerberos身份验证相关的依赖库有关,影响了23.14.0版本的正常构建过程。
问题现象
构建过程中首先出现的错误是缺少krb5/krb5.h头文件,这表明系统缺少Kerberos开发库。在安装相关开发库后,又出现了无法找到gssapi库的链接错误。
根本原因分析
这些问题源于OpenVAS Scanner对Kerberos身份验证功能的支持。项目需要同时与两种Kerberos实现交互:
- MIT Kerberos (krb5)
- Heimdal Kerberos
在Debian/Ubuntu系统中,这两种实现存在冲突,不能同时安装标准开发包。特别是当用户尝试安装krb5-dev时,系统会要求移除heimdal-dev,反之亦然。
解决方案
针对这一问题,项目维护者提出了以下解决方案:
- 对于openvas-smb组件,使用heimdal-multidev包
- 对于openvas-scanner组件,使用krb5-multidev包
这种方案利用了Debian系统提供的多版本开发包支持,允许同时安装两种Kerberos实现的开发文件。
技术实现细节
项目团队已经提交了相关修改:
- 在openvas-scanner项目中调整构建系统,更好地处理Kerberos依赖
- 在openvas-smb项目中优化Heimdal Kerberos的支持
这些修改确保构建系统能够正确找到并使用所需的Kerberos库文件,无论系统安装的是哪种实现。
临时解决方案
在官方修复完全测试并发布前,用户可以:
- 回退到23.13.2版本,该版本对Kerberos依赖的处理较为宽松
- 手动安装所需的多版本开发包,并调整构建参数
总结
Kerberos身份验证作为企业级安全基础设施的重要组成部分,其支持对于安全扫描工具至关重要。OpenVAS Scanner项目团队正在积极解决不同系统环境下Kerberos依赖的兼容性问题,未来版本将提供更稳定、更易用的构建体验。
对于安全运维人员来说,理解这些底层依赖关系有助于更好地部署和维护安全扫描基础设施,特别是在企业环境中集成Kerberos认证时。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
422
3.25 K
Ascend Extension for PyTorch
Python
230
261
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++
689
331
暂无简介
Dart
686
160
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869