Wazuh 4.12.0 Alpha 1中Microsoft Graph安全API集成测试报告
测试环境搭建
本次测试采用Wazuh 4.12.0 Alpha 1版本,构建了一个完整的端到端安全监控环境。测试环境包含以下组件:
-
索引器、服务器和仪表板:部署在Red Hat Enterprise Linux 9.5系统上,采用一体化安装方式。硬件配置为4核AMD EPYC 7R32处理器,7.4GB内存和29GB存储空间。
-
代理端:运行在Ubuntu 22.04.5 LTS系统上,硬件配置为16核Intel Core i7-12650H处理器,31GB内存和248GB存储空间。
安装过程通过官方提供的快速安装脚本完成,整个过程自动化程度高,包括安全凭证创建、服务配置等关键步骤。安装日志显示各组件均成功启动,无报错信息。
Microsoft Graph API集成配置
Microsoft Graph安全API集成是Wazuh云安全功能的重要组成部分,通过以下步骤完成配置:
-
应用注册:在Azure门户中注册新应用,获取必要的客户端ID和租户ID。
-
安全凭证:创建客户端密钥用于身份验证,密钥有效期为24个月。
-
API权限:为应用配置必要的API权限,包括SecurityEvents.Read.All、SecurityEvents.ReadWrite.All等安全相关权限。特别注意需要管理员同意才能生效。
-
代理配置:在Wazuh代理配置文件中添加ms-graph模块配置,指定客户端ID、租户ID、密钥值等认证信息,并定义要监控的资源类型(如security、deviceManagement等)。
配置完成后,代理日志显示成功获取访问令牌并开始扫描租户,表明集成已正常工作。
安全事件模拟与测试
为了验证集成的有效性,我们进行了安全事件模拟测试:
-
权限准备:测试发现需要两个关键角色才能完整测试功能:
- Exchange管理员:用于配置策略和规则
- 安全管理员:用于访问策略规则菜单和使用攻击模拟训练
-
策略配置:在"策略与规则 > 威胁策略 > 预设安全策略"中配置测试用户的安全策略。
-
模拟攻击:使用Microsoft 365 Defender门户中的攻击模拟工具,设置钓鱼邮件模拟攻击。将测试邮件标记为"恶意"以触发安全警报。
测试结果显示,Wazuh成功捕获了Microsoft Defender生成的安全事件,并在仪表板上展示了详细的警报信息。警报包含事件严重程度、创建时间、最后更新时间、资源类型、事件状态等关键信息。
测试发现与建议
-
权限要求:完整测试需要Exchange管理员和安全管理员双重角色,建议在测试前确保账户具备这些权限。
-
事件延迟:从触发安全事件到Wazuh接收到警报可能存在数小时的延迟,这是由Microsoft安全事件处理流程决定的。
-
账户类型限制:测试发现必须使用工作或学校账户,个人Microsoft账户无法完成全部测试流程。
-
评估实验室:建议优先使用Microsoft提供的评估实验室功能进行初步测试,再申请正式凭证进行深入验证。
结论
Wazuh 4.12.0 Alpha 1中的Microsoft Graph安全API集成功能工作正常,能够有效捕获和展示Microsoft安全生态系统中生成的安全事件。通过适当的配置和权限设置,企业可以将Microsoft安全产品产生的警报无缝集成到Wazuh的统一安全监控平台中,实现更全面的安全态势感知。
对于计划部署此功能的企业,建议提前规划好测试账户的权限申请,并了解Microsoft安全事件的处理延迟特性,以便制定合理的监控策略和响应流程。
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