Skip to main content

Command Palette

Search for a command to run...

OpenVAS 打包记

Updated
1 min read
  • docker pull dustise/openvas
  • git clone https://github.com/fleeto/docker-openvas.git

上回书说到的 OpenVAS,其中的安装过程用的居然不是 Docker,其主要原因有:

  • 第一,安装使用都不熟悉,直接上手第三方比较容易跑偏,官网靠谱一点(现在我知道了,官网也有不靠谱的)。
  • 第二,因为上面的原因,Docker Hub 上的 mikesplain/openvas-docker 不得要领,尤其是客户端连接这部分。(后来知道他的强制更新高估了天朝的网络条件)。
  • 第三,我喜新厌旧,不想用老旧的 8 版本。
  • 第四,多语言支持,在上述 Docker Hub 版本上删节了。

但是作为一个容器云鼓吹者,不弄个顺手的封装的确是不合适的,所以花了些时间,重新来了一次,中间波折蛮多,不过也多了些容器封装方面的经验,就此记录下来。

OpenVAS 组件

  • openvassd:OpenVAS Scanner,扫描器,会根据本地漏洞库对任务目标进行扫描,是扫描任务的执行者。
  • openvasmd:OpenVAS Manager,管理服务,任务和各种漏洞库的管理。
  • gsad:Greenbone Security Assistent,他不是 Open VAS 的产品,在这里用作 Web 端,和 OpenVAS Manager 协同工作。
  • omp: 命令行客户端。

基础镜像的选择

基于尺寸考虑,个人一般是首选 Alpine Linux。对于普通的 Java、PHP 应用,以及相对成熟的被 APK 支持的软件都会使用这个。

需要编译的东西一般就比较烦了,Alpine 的一些基础包跟主流世界不太一样,一般尝试失败的话,会选择 Ubuntu/Debian 或者 CentOS 之类。最先尝试的是 CentOS,但因为库版本的问题导致编译起来问题多多,最后无奈回到 Ubuntu。

守护进程问题

一般来说,各种服务都以后台运行,然而在容器环境下,需要挂在前台保持容器的运行,所以单进程的服务我们一般都会强制其以前台运行,多进程的服务,通常会使用 SupervisorD 来完成各个服务的启动和运行、维持等操作。

调试过程

一般来说我会准备一个脚本用于构建镜像。

  • 首先用交互模式启动基础镜像,例如 docker run -it --rm ubuntu bash,其中可以添加环境变量等设置。
  • 可以利用 docker cp 命令传输文件到运行中的容器。
  • 之后的过程和平时的编译安装并无不同,configure/cmake 等查找缺失的库,尽可能用 apt/yum/apk 进行依赖库的安装。
  • 因为要使用 OMP,所以我们需要调整 OpenVAS Manager 的启动参数,要求其暴露端口。
  • 另外,OpenVAS 提供了配置检查功能,openvas-check-setup,其中对设置会有很多建议,逐条完善即可,窃以为,这是对这个不愉快的安装过程的最大安慰。
  • 每一步都记录到前面提到的 prepare.sh 脚本之中
  • 能正常运行之后,取出脚本,编写 Dockerfile。
  • 打包测试。

gnupg 的问题

OpenVAS Manager 首次运行会需要利用 gnupg 来生成 Key,但是在容器环境下,随机数设备受宿主系统保护,会导致启动过程挂起,因此这里用了个土办法,生成好之后直接植入进去。

Manager 的 Scanner Socket 参数

在 Scanner 指定了不同的 Sock 位置之后,Manager 做出相应的变更进行启动,部分操作仍然会走向缺省配置,推测是其中有一些硬编码,只是推测,并没有深入调查。

SQLite 3

这一软件是 gsad 的一个非常硬的依赖,但是在他的编译过程中并无需求,具体症状就是 Greenbone 有两个同步进程闪退,无法执行,需要用 --selftest 运行才找到问题所在。

更新过程

一定要有互联网连接。

更新过程第一是非常漫长,时间长度需要看网络条件和某伟大基础网络设施的心情。

接下来 Scanner 和 Manager 都需要进行相应的更新,才能正常工作。

最后,写了一个 update.all.sh 来完成这一工作。

More from this blog

龙虾恐慌:AIOps 又要改名了?

ChatGPT 开始,把 AI 拉近到普罗大众的面前,让无数人感受到 AI 的亲民魅力。而龙虾,则把大模型驱动的自动化能力,突然间变得水灵灵、活泼泼地走进千家万户。它不只是“风口上的猪”,而是风口本身。热度高到让 Mac mini 一度断货,不知道这在不在库克的预料之内。 每代人都有每代人的鸡蛋,春节期间,我就领了我的鸡蛋。翻出古老的 MacBook Air M1,充值各种大模型。当然了,这个工具

Mar 9, 20261 min read

再见 2025

我猜不少人以为这个号废了吧?并没有,只是今年变化有点大,一直有种抄起键盘,无从说起的感觉,所以一直偷懒到今天,2025 的最后一天。 今年是我的第四个本命年,去年末一期播客里,大内说本命年不是灾年,是变化年,有危也有机。可是讲真啊,只看到危,没看到机。 各种因缘际会,从鹅厂跳槽到前东家,已经接近四年,第一个合同期已经进入尾声。除了前两年还在云原生领域嗷嗷叫,后两年基本都是些鸡零狗碎的东西了,用老东家的术语说是——偏离主航道,可谓是前景暗淡了。 一旦确定要滚蛋,反倒心思轻松起来,每天骑着我的小红车...

Jan 5, 20261 min read

辅助编程?dora 说:我知道你很急可是请你别急

从 OpenGPT 把大模型的火烧旺了之后,这三年来,相信很多组织或摩拳擦掌、或躬身入局,希望借助聪明能干的大模型,或想偿还技术宅,或想降本增效,或想弯道超车。一时间,沉寂许久的 AIxx 又活过来了,LLM Ops、Vibe Coding、中医大模型、GPT 算命等等,全都老树发新芽,焕发了勃勃生机。那么视角拉回从业者最关注的饭碗相关的领域之一——AI 辅助开发,产生了什么触动,应该如何拥抱呢? DORA 的年度报告中给出了很有意思的结论——强者恒强。 执行摘要部分总结了几个有趣的点: 问题...

Oct 6, 20251 min read

[译]dora:ai 辅助软件开发状态报告

执行摘要 在 2025 年,科技领导者面临的核心问题已不再是“是否要采用 AI”,而是“如何实现其价值”。 DORA 的研究基于超过 100 小时的定性访谈和来自全球近 5,000 名技术专业人士的问卷调查。研究揭示了一个关键事实:AI 在软件开发中的主要角色是“放大器”。它会放大高效能组织的优势,也会凸显组织的缺陷。 关键结论:AI 是放大器 AI 投资的最大回报并非来自工具本身,而是来自组织底层系统的战略性建设: 高质量的内部平台 清晰的工作流 团队的协同能力 缺少这些基础,AI ...

Oct 2, 202514 min read

僭越了,有人在用 Rust 写 Kubernetes

一个新语言问世,最爱做的事情之一,就是重写存量软件了。 云原生喝酒 SIG 重点扶持项目——rk8s(https://github.com/rk8s-dev/rk8s) 也可以归在这个范畴里,只不过这个项目重写的东西比较大,是 Kubernetes。 从 2025 年 1 月第一个 Commit 开始,到现在有了 200 多次 Commit,十几万行代码。当然距离 Kubernetes 的几百万行代码还差得远——老马就是喜欢整这种大无畏项目。 另外该项目也是国内第一个脱离 Cargo 转向使用 ...

Sep 27, 20253 min read

【伪】架构师

342 posts