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。
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-1.5暂无简介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-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