Certipy 5.0.2版本发布:证书工具链的关键改进
Certipy是一个功能强大的Python工具,主要用于与Windows Active Directory证书服务(AD CS)交互。它能够帮助安全研究人员和系统管理员进行证书请求、解析、转换等操作,在渗透测试和红队评估中特别有用。最新发布的5.0.2版本带来了一些重要的功能改进和错误修复。
主要改进内容
子命令解析修复
在5.0.2版本中,开发团队修复了子命令解析的问题。这个改进确保了Certipy能够正确处理复杂的命令行参数结构,特别是当用户使用嵌套子命令时。对于经常使用Certipy进行自动化操作的安全研究人员来说,这一改进显著提高了工具的稳定性和可靠性。
远程桌面认证OID支持
新版本添加了对"Remote Desktop Authentication"(远程桌面认证)对象标识符(OID)的支持。在AD CS环境中,OID用于唯一标识特定的证书用途或策略。缺少这个OID会导致Certipy无法正确处理与远程桌面服务相关的证书操作。这一改进使得Certipy现在能够完整支持远程桌面场景下的证书管理需求。
Shell自动补全功能
5.0.2版本引入了Shell自动补全功能,这极大地改善了用户体验。现在,在Bash、Zsh等常见Shell环境中,用户可以享受命令和参数的自动补全,减少了输入错误和记忆复杂命令的负担。这个功能对于Certipy的新用户特别有帮助,使他们能够更快地上手使用这个工具。
Web注册认证的NTLM检查优化
开发团队修复了在Web证书注册过程中对NTLM认证状态的检查逻辑。在之前的版本中,Certipy可能无法正确判断NTLM是否被禁用,导致在某些配置环境下出现认证问题。这一改进确保了工具在各种AD CS配置下都能可靠地进行证书注册操作。
技术意义与应用场景
Certipy 5.0.2的这些改进虽然看似细微,但对于依赖该工具进行日常工作的安全专业人员来说却非常重要。特别是在以下场景中:
-
红队评估:当测试人员需要快速获取域证书或进行证书滥用攻击时,稳定可靠的命令行工具至关重要。
-
AD CS审计:系统管理员可以使用Certipy来检查其证书服务的配置安全性,新版本提供了更完整的OID支持。
-
自动化脚本:修复的子命令解析问题使得Certipy可以更可靠地集成到自动化工作流中。
-
教育培训:新增的Shell自动补全功能降低了学习曲线,使新手更容易掌握这个强大的工具。
总结
Certipy 5.0.2版本通过一系列精细的改进,进一步巩固了其作为AD CS相关操作首选工具的地位。从用户体验的Shell自动补全,到核心功能的OID支持和认证逻辑修复,这些变化体现了开发团队对工具质量和实用性的持续关注。对于从事Windows域安全相关工作的人员来说,升级到这个版本将获得更稳定、更完整的工具体验。
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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