ScubaGear项目中AAD提供程序处理嵌套PIM组时崩溃问题分析
2025-07-04 22:50:31作者:齐添朝
背景概述
在微软Entra ID的Privileged Identity Management(PIM)场景中,安全组的嵌套使用是一种常见实践。然而,当ScubaGear安全审计工具尝试处理包含嵌套组分配的PIM组时,其Azure Active Directory(AAD)提供程序模块会出现崩溃现象。这个问题直接影响了对特权访问权限的完整审计能力。
问题现象
当PIM组中包含以下三种嵌套场景时,AAD提供程序会抛出404错误:
- 嵌套安全组场景:将普通安全组作为Eligible成员添加到已激活(Active)的PIM组中
- 嵌套PIM组场景:将另一个PIM组作为Eligible成员添加到当前PIM组中
- 循环引用场景:PIM组之间形成循环嵌套关系
典型错误信息表现为资源查找失败:
WARNING: Error running Get-PrivilegedUser. Resource '10431651-3b69-1ab1-3ed2-b7c1d3ff6221' does not exist...
Status: 404 (NotFound)
ErrorCode: Request_ResourceNotFound
技术原理分析
该问题的核心在于ScubaGear的AAD提供程序在设计时未充分考虑Entra ID中PIM组的复杂嵌套特性:
- 对象解析缺陷:当前代码直接假设PIM组成员都是用户主体,当遇到组对象时无法正确处理
- 递归处理缺失:缺乏对嵌套结构的递归遍历机制,导致无法解析多层级成员关系
- API调用限制:直接使用简单查询而非批量或递归查询,当遇到嵌套结构时导致API调用失败
影响范围
该缺陷会影响以下安全审计场景:
- 特权角色分配完整性的验证
- 嵌套权限的继承关系分析
- 间接特权访问的识别能力
- 权限扩散路径的追踪
解决方案建议
要彻底解决此问题,需要从以下几个方面进行改进:
-
增强对象类型识别:
- 在成员查询时首先判断对象类型(用户/组)
- 对组类型成员实现递归解析
-
实现递归查询机制:
- 设计最大递归深度限制(建议5-7层)
- 添加循环引用检测逻辑
- 实现批量查询优化
-
错误处理增强:
- 对404错误进行分类处理
- 添加详细的调试日志
- 实现优雅降级机制
-
缓存优化:
- 对已解析的组实现缓存
- 减少重复API调用
实施注意事项
在实际修复过程中,需要特别注意:
- 性能考量:嵌套解析可能显著增加API调用次数,需要合理设计批处理和并发控制
- 权限要求:递归查询需要确保服务主体具有足够的目录读取权限
- 边界条件:需要妥善处理各种异常情况,包括:
- 临时不可访问的组
- 权限不足的资源
- 已删除的引用对象
总结
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217