BloodHound CE中AZResetPassword边缘关系问题分析
2025-07-10 16:44:03作者:史锋燃Gardner
问题概述
在BloodHound CE 6.1.0版本中,存在一个关于Azure AD权限提升路径分析的逻辑问题。该问题会导致系统错误地生成AZResetPassword边缘关系,使得低权限管理员看似能够重置高权限角色关联用户的密码,而实际上Azure AD的安全机制会阻止此类操作。
技术背景
在Azure AD权限模型中,存在不同级别的管理员角色。其中:
- 低权限管理员角色:如用户管理员(User Administrator),可以管理普通用户账户
- 高权限管理员角色:如特权身份验证管理员(Privileged Authentication Administrator),拥有更敏感的操作权限
微软为保护高权限角色,实施了特殊的安全控制措施,不仅保护角色成员,还保护角色关联组的所有者。
问题详细分析
错误行为表现
当满足以下条件时,BloodHound会错误地创建AZResetPassword边缘关系:
- 创建一个角色可分配组
- 为该组分配高权限角色(如特权身份验证管理员)
- 设置一个用户作为该组的所有者
- 另一个用户被授予低权限角色(如用户管理员)
在此配置下,BloodHound会显示低权限管理员可以通过密码重置操作影响高权限角色关联用户,这与实际Azure AD的安全机制不符。
实际Azure AD安全机制
根据微软官方文档,Azure AD会对以下用户实施额外保护:
- 直接分配了高权限角色的用户
- 高权限角色关联组的成员
- 高权限角色关联组的所有者
这些保护措施包括阻止低权限管理员执行密码重置等敏感操作。
影响范围
该问题影响使用BloodHound CE进行Azure AD攻击路径分析的安全团队,可能导致:
- 误报(false positive)攻击路径
- 高估低权限账户的攻击能力
- 制定不准确的防御策略
解决方案
该问题已在最新版本中修复。修复方案包括:
- 扩展权限检查逻辑,不仅验证组成员关系
- 增加对组所有者关系的特殊处理
- 确保与Azure AD实际安全机制保持一致
最佳实践建议
对于使用BloodHound进行Azure AD安全分析的安全团队,建议:
- 及时升级到修复版本
- 重新评估现有的攻击路径分析结果
- 结合微软官方文档验证关键权限提升路径
- 特别注意组所有权在权限模型中的影响
该问题的修复提高了BloodHound对Azure AD权限模型分析的准确性,使安全团队能够更可靠地识别真实的攻击路径。
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-1.5HunyuanVideo-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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
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++
650
270
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
296
111
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
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
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
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143