osquery新增hash_executable列优化macOS应用签名验证性能
2025-05-09 10:07:47作者:尤辰城Agatha
背景介绍
osquery是一款强大的跨平台开源工具,它能够将操作系统抽象为高性能的关系数据库,允许用户使用SQL查询来获取系统信息。在macOS平台上,osquery提供了signature虚拟表来查询应用程序的代码签名信息。
原有功能分析
在之前的版本中,signature表已经包含了一个hash_resources列,该列控制是否验证应用程序的资源文件哈希。当设置为0时,osquery会使用kSecCSDoNotValidateResources标志来跳过资源文件的验证,这可以显著提高查询性能。
性能优化需求
在实际使用中,用户发现即使设置了hash_resources=0,查询macOS应用程序签名信息(特别是获取Team Identifier)时仍然会消耗大量CPU和内存资源。这是因为osquery默认会验证可执行文件的哈希值。
技术实现方案
新版本中,osquery在signature表中新增了hash_executable列,其工作原理与hash_resources类似:
- 默认值为1,保持向后兼容性
- 当设置为0时,osquery会使用
kSecCSDoNotValidateExecutable标志来跳过可执行文件的哈希验证
性能对比测试
在实际测试环境中(约525个已安装应用),性能提升明显:
- 仅使用
hash_resources=0:查询耗时约49秒 - 同时使用
hash_resources=0和hash_executable=0:查询耗时降至约10秒 性能提升达到约5倍,这对于大规模部署环境尤为重要。
使用示例
用户现在可以通过以下SQL查询高效获取应用程序的Team Identifier信息:
SELECT a.*, s.team_identifier
FROM apps a
JOIN signature s ON a.path = s.path
WHERE s.arch = ''
AND s.hash_resources = 0
AND s.hash_executable = 0;
安全考虑
虽然跳过哈希验证可以提高性能,但也会降低安全性。因此建议:
- 仅在可信环境中使用这些优化标志
- 根据实际需求平衡性能与安全性
- 默认保持两个标志为1以确保最高安全性
总结
osquery的这一改进为macOS系统管理员提供了更灵活的性能调优选项,使得在大规模环境中查询应用程序签名信息变得更加高效。用户现在可以根据实际需求,在安全性和性能之间做出适当权衡。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C032
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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
最新内容推荐
TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
427
3.28 K
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++
689
340
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
233
266
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
266
327
🎉 (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
1.22 K
668
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
45
32