DataDog/stratus-red-team项目:AWS IAM后门角色创建技术解析
在云安全领域,AWS身份和访问管理(IAM)是攻击者常利用的攻击面。DataDog的stratus-red-team项目近期新增了一项针对AWS IAM后门角色创建的技术实现,该技术展示攻击者在受害AWS账户中创建具备管理员权限的可跨账户担任角色。
技术背景
AWS IAM角色是一种授予特定权限的实体,可以被AWS用户、服务或其他AWS账户担任。攻击者通过创建具备高权限且允许外部AWS账户担任的IAM角色,可在失陷环境中建立持久性访问通道。这种技术比直接创建访问密钥更难被发现,因为角色信任关系往往容易被忽视。
技术实现要点
-
角色创建:攻击者首先在目标AWS账户中创建一个新的IAM角色。该角色被赋予
AdministratorAccess策略,使其具备账户的完全控制权限。 -
跨账户信任配置:关键步骤是在角色的信任策略中配置外部AWS账户(攻击者控制的账户)作为信任实体。这使得攻击者可以从自己的AWS账户担任该角色,而无需在目标账户中留下访问密钥等传统凭据。
-
隐蔽特性:与直接创建IAM用户或访问密钥相比,这种技术更难被发现。常规安全审计可能不会立即发现一个配置了外部信任关系的IAM角色。
防御建议
-
最小权限原则:严格限制IAM角色的权限,避免赋予不必要的管理员权限。
-
信任关系审计:定期审查所有IAM角色的信任关系策略,特别关注允许外部AWS账户担任的角色。
-
变更监控:启用AWS CloudTrail日志记录,监控IAM角色创建和修改操作,设置异常行为告警。
-
SCP限制:在组织层面使用服务控制策略(SCP)限制跨账户角色创建,特别是限制允许的外部账户ID。
技术演进
这项技术是stratus-red-team项目中已有IAM后门角色技术的变种。原始技术主要关注修改现有角色的信任策略,而新实现则专注于创建全新后门角色。这种演进反映了攻击者不断变化的战术,也提醒防御者需要覆盖更全面的攻击面。
通过研究这类技术,安全团队可以更好地理解潜在威胁,完善检测和防御机制。stratus-red-team项目展示的技术为云安全防御提供了宝贵的测试案例。
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