ScubaGear项目:M365服务主体高风险权限检测技术解析
2025-07-04 18:59:34作者:裴锟轩Denise
服务主体安全风险概述
在Microsoft 365环境中,服务主体(Service Principal)是应用程序在Azure AD中的身份表示。与用户账户不同,服务主体通常被授予广泛的API访问权限,这使得它们需要特别关注安全防护。一旦服务主体被不当使用,可能造成数据访问、权限变更或系统控制等问题。
高风险权限分类与解析
目录管理类权限
RoleManagement.ReadWrite.Directory权限是一个高敏感度的权限,它允许变更全局管理员角色设置。Directory.ReadWrite.All权限则提供了对整个目录结构的读写能力,可能影响组织架构或用户属性。
Application.ReadWrite.All权限允许应用程序注册和管理其他应用程序,需要谨慎控制此权限的使用。
用户与组管理权限
User.ReadWrite.All和Group.ReadWrite.All系列权限提供了对用户和组的控制能力。需要注意这些权限可能带来的影响:
- 变更高权限用户的属性
- 调整特权组成员
- 查看隐藏组成员关系(通过Member.Read.Hidden)
Exchange Online相关权限
full_access_as_app和Exchange.ManageAsApp是两个需要特别关注的Exchange权限。它们允许应用程序:
- 访问邮箱数据
- 通过EWS协议管理邮件
- 调整Exchange配置
Mail.Send权限需要注意使用场景,避免被滥用发送邮件。
SharePoint/OneDrive权限
Sites.FullControl.All权限提供了对SharePoint环境的控制能力。需要注意:
- 访问文档数据
- 调整站点权限
- 创建共享链接
- 管理Web部件
凭证风险检测
除API权限外,服务主体的凭证(证书或密钥)也是重要安全因素。长期有效的凭证需要特别关注,因为它们:
- 缺乏多因素认证
- 可能存在于代码或配置中
- 需要防范未授权访问
检测技术实现
实际检测中应采用分层策略:
- 基础枚举:通过Microsoft Graph API获取所有服务主体及其权限分配
- 风险匹配:对照已知高风险权限列表进行比对
- 上下文分析:评估权限组合可能产生的叠加风险
- 凭证审计:检查密钥过期时间、使用频率等指标
防御建议
针对发现的高风险服务主体,建议采取以下措施:
- 权限最小化:遵循最小权限原则,移除不必要的高危权限
- 凭证轮换:对必须保留的密钥实施定期轮换
- 访问审查:建立定期审查机制,特别是对拥有高危权限的主体
- 监控告警:对敏感权限的使用设置异常行为检测
总结
服务主体的安全管控是M365环境安全的重要环节。通过系统化的权限检测和风险管理,可以显著提升服务主体的安全防护水平。ScubaGear项目提供的检测能力为组织提供了识别这些风险的有效工具。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5暂无简介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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1