ScubaGear项目中Microsoft Authenticator配置检查的缺陷分析
背景概述
ScubaGear是一款用于评估Microsoft 365安全配置合规性的开源工具。在最新版本中,项目团队发现了一个关于Microsoft Authenticator应用配置检查的重要缺陷,该缺陷可能导致安全评估报告显示错误结果。
问题描述
ScubaGear中的MS.AAD.3.3v1检查项旨在验证Microsoft Authenticator是否按照安全基线要求正确配置。具体来说,该检查需要确认以下配置:
- 是否启用了"在推送和无密码通知中显示应用程序名称"
- 是否启用了"在推送和无密码通知中显示地理位置信息"
- 这些设置是否应用于所有用户
然而,当前实现中存在两个关键问题:
1. 目标检查范围错误
当前代码错误地检查了Authenticator的"启用和目标"页面中的包含目标,而不是"配置"页面中各个具体设置下的目标。这导致即使管理员按照指导配置了相关设置,工具也可能错误地报告配置不符合要求。
2. 冗余检查项
代码中还包含了对Authenticator整体启用状态的检查,这部分实际上不属于安全基线要求的内容,应该从检查逻辑中移除。
技术细节分析
在Microsoft Entra ID的身份验证方法配置中,Microsoft Authenticator的设置分为两个主要部分:
- 启用和目标:控制哪些用户可以使用Authenticator应用
- 配置:包含具体的应用行为设置,如显示应用名称和位置信息
当前实现中的Rego规则错误地从MSAuth.AdditionalProperties.includeTargets获取目标信息,而实际上应该检查displayAppInformationRequiredState和displayLocationInformationRequiredState下的includeTarget属性。
解决方案
正确的实现应该修改Rego规则中的MSAuthProperlyConfigured变量,具体调整如下:
- 移除对整体启用状态的检查
- 直接检查两个关键设置的状态是否为"enabled"
- 验证这两个设置的
includeTarget.id是否为"all_users"
更新后的逻辑将准确反映安全基线的要求,确保评估结果与管理员实际配置一致。
影响范围
该缺陷会影响所有使用ScubaGear评估Microsoft 365安全配置的用户,特别是那些关注身份验证方法安全性的组织。错误的结果可能导致:
- 误报合规:实际不符合要求的配置被标记为合规
- 误报不合规:正确配置被错误标记为问题
- 增加管理员不必要的故障排除工作
最佳实践建议
对于使用Microsoft Authenticator的组织,建议:
- 确保启用应用名称和位置信息的显示功能
- 确认这些设置应用于所有用户
- 定期使用更新后的ScubaGear工具验证配置
- 考虑部署钓鱼防护的多因素认证方法作为更安全的替代方案
总结
ScubaGear工具中Microsoft Authenticator配置检查的缺陷凸显了安全评估工具准确性的重要性。通过修正Rego规则中的目标检查逻辑,可以确保工具提供的安全评估结果真实反映实际配置状态,帮助组织更有效地管理其安全态势。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00