当前位置:首页 > 文章列表 > 文章 > linux > Linux fanotify 权限事件的允许与拒绝处理方案

Linux fanotify 权限事件的允许与拒绝处理方案

来源:17golang原创 2026-10-14 14:32:59 0浏览 收藏

我第一次把 Linux 文件访问控制从“事后记录”改成“访问前判断”时,最容易混淆的是 fanotify 的两类事件:普通通知只告诉你某个对象发生了访问,权限事件则要求用户态明确回复。要实现允许或拒绝,核心组合是 fanotify_init()、fanotify_mark()、读取事件,以及向同一个文件描述符写回 FAN_ALLOW 或 FAN_DENY。

最小可行方案是:用 FAN_CLASS_CONTENT 创建权限决策组,用 FAN_OPEN_PERM 或 FAN_ACCESS_PERM 标记目标,再为每个权限事件写回一次响应。拒绝访问时,请求方通常收到 EPERM。
要点速览
  • FAN_OPEN_PERM 控制打开文件,FAN_ACCESS_PERM 控制读取文件或目录。
  • 权限事件只能放在 FAN_CLASS_PRE_CONTENT 或 FAN_CLASS_CONTENT 组中。
  • 监听范围、内核能力、响应时机和队列积压,决定方案能否用于生产。

权限事件和普通通知不是一回事

FAN_OPEN、FAN_ACCESS 适合记录“发生过什么”;FAN_OPEN_PERM 和 FAN_ACCESS_PERM 则会把请求挂起,等待监听程序写回决定。前者可以做审计,后者才适合做访问门禁。

选择掩码时先按业务动作收窄:只想拦截打开动作就用 FAN_OPEN_PERM,需要在读取前判断则加入 FAN_ACCESS_PERM。不要把所有事件位一次性打开,否则策略线程会被无关通知淹没。

Linux fanotify 权限事件中 fanotify_init、fanotify_mark、权限请求与用户态响应的静态关系说明图
图1:结构说明图,查看权限组、标记范围、请求事件和响应对象之间的关系;这不是运行截图。

创建权限组并绑定需要判断的范围

权限事件要求初始化时选择内容类通知组。下面是一个缩减后的 C 结构示例,重点是参数关系,未把它包装成可直接运行的守护进程:

#include 
#include 

// 权限事件需要 CONTENT 或 PRE_CONTENT 类,不能使用普通 NOTIF 类。
int fan_fd = fanotify_init(FAN_CLASS_CONTENT | FAN_NONBLOCK,
                           O_RDONLY | O_CLOEXEC);
if (fan_fd == -1) {
    // 初始化失败时应记录 errno,并检查内核配置与进程能力。
    return 1;
}

// 只把目标目录加入权限监听范围,减少策略线程的无关请求。
unsigned long long mask = FAN_OPEN_PERM | FAN_ACCESS_PERM;
if (fanotify_mark(fan_fd, FAN_MARK_ADD | FAN_MARK_ONLYDIR,
                  mask, AT_FDCWD, "/srv/protected") == -1) {
    // 标记失败通常与权限、标记范围或不支持的组合有关。
    return 1;
}

示例中的 FAN_MARK_ONLYDIR 是范围约束,不等于递归开关。fanotify 的目录标记、挂载标记和子对象事件要按目标场景分别设计;需要覆盖子目录时,不能仅凭一个“监听目录”描述就假设所有内层路径都会自动递归。

读取事件后只写回一次决定

读到 fanotify_event_metadata 后,先检查版本和事件长度,再根据 mask 判断是打开还是读取请求。权限事件中的 fd 是响应结构要使用的对象描述符,策略可以依据路径、进程身份或规则表做判断。

struct fanotify_response response = {0};

// 伪代码只展示静态决策关系,不代表已经在本机执行。
if (metadata->mask & (FAN_OPEN_PERM | FAN_ACCESS_PERM)) {
    response.fd = metadata->fd;
    // 示例策略:受保护目录默认拒绝,白名单对象才允许。
    response.response = is_allowed(metadata) ? FAN_ALLOW : FAN_DENY;
    // 每个权限事件只写回一次,重复响应可能返回 ENOENT。
    if (write(fan_fd, &response, sizeof(response)) != sizeof(response)) {
        // 写回失败时记录 errno,不能把请求默认为已放行。
        log_permission_error(errno);
    }
}

拒绝并不是“删除文件”或“终止进程”,它只改变这次访问系统调用的结果。策略线程若长时间不响应,请求方会被拖住;因此规则匹配应尽量确定,复杂扫描可以拆成预处理缓存,而不是把所有工作塞进权限事件路径。

Linux fanotify 权限事件中事件元数据、策略判断、FAN_ALLOW 或 FAN_DENY 响应与 EPERM 边界说明图
图2:边界说明图,展示事件元数据进入策略判断后产生允许、拒绝或错误处理的静态关系;这不是运行证据。

上线前检查权限、范围和队列边界

检查项应确认的结论
内核能力启用 CONFIG_FANOTIFY;权限处理还需要 CONFIG_FANOTIFY_ACCESS_PERMISSIONS。
进程权限CONTENT/PRE_CONTENT 和某些标记范围通常需要 CAP_SYS_ADMIN,按部署方式核对。
响应模型每个权限事件写回一次 FAN_ALLOW 或 FAN_DENY,拒绝路径记录 EPERM。
覆盖范围区分目录、挂载点和文件系统级标记,不把 fanotify 当成自动递归监听器。

还要给事件循环设置可观测性:记录事件掩码、目标对象、决策耗时和写回错误。队列溢出、权限不足、文件描述符失效,都应该进入单独的降级策略。安全场景中,默认放行还是默认拒绝不是 API 决定的,而是业务对可用性和保护强度的取舍。

常见问题

FAN_OPEN_PERM 和 FAN_ACCESS_PERM 能同时使用吗?

可以,但两者拦截的动作不同。先按实际控制点选择,避免同一对象产生过多策略请求。

为什么写回响应后仍然访问失败?

先区分响应是否为 FAN_DENY、fd 是否已经失效,以及规则判断是否把该对象拒绝;重复写回同一权限事件也可能返回 ENOENT。

fanotify 能替代所有文件审计需求吗?

不能。它适合文件访问通知和部分访问前决策;递归覆盖、远程文件系统、队列压力和审计留痕都要单独评估。

参考入口:https://man7.org/linux/man-pages/man7/fanotify.7.html、https://man7.org/linux/man-pages/man2/fanotify_mark.2.html。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
systemd-analyze critical-chain 怎样定位启动慢的依赖systemd-analyze critical-chain 怎样定位启动慢的依赖
上一篇
systemd-analyze critical-chain 怎样定位启动慢的依赖
Linux journalctl 怎样按优先级筛出启动错误日志
下一篇
Linux journalctl 怎样按优先级筛出启动错误日志
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    471次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    530次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    549次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    499次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    317次使用