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。
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