osquery新增hash_executable列优化macOS应用签名验证性能
2025-05-09 10:17:46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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0241- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
electerm开源终端/ssh/telnet/serialport/RDP/VNC/Spice/sftp/ftp客户端(linux, mac, win)JavaScript00
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
634
4.17 K
Ascend Extension for PyTorch
Python
472
570
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++
932
836
🎉 (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
1.51 K
863
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
385
269
暂无简介
Dart
881
211
昇腾LLM分布式训练框架
Python
138
162
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
188
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
327
383