Metabadger:AWS 实例元数据服务安全强化工具
1. 项目介绍
Metabadger 是一个开源的 AWS 安全工具,用于发现和强化 AWS EC2 实例的元数据服务。该工具能够帮助用户识别当前的元数据服务使用情况,并将服务从版本 1 升级到更安全的版本 2,以防止 SSRF(服务器端请求伪造)攻击。
2. 项目快速启动
安装
通过 pip 安装:
pip3 install --user metabadger
通过 GitHub 安装:
git clone https://github.com/salesforce/metabadger.git
cd metabadger
pip install -e .
使用
-
发现元数据服务使用情况
使用
discover-metadata命令来发现 EC2 实例中元数据服务的使用概要。metabadger discover-metadata -
发现 IAM 角色使用情况
使用
discover-role-usage命令来识别附加了 IAM 角色的实例。metabadger discover-role-usage -
强化元数据服务
使用
harden-metadata命令来升级实例的元数据服务到版本 2。metabadger harden-metadata -
禁用元数据服务
使用
disable-metadata命令来禁用不需要元数据服务的 EC2 实例上的该服务。metabadger disable-metadata
3. 应用案例和最佳实践
-
案例:假设您是一家使用 AWS EC2 实例的公司,您的实例使用 IAM 角色进行权限管理。您发现一些实例仍在使用元数据服务版本 1,这可能使您的实例容易受到 SSRF 攻击。
最佳实践:使用 Metabadger 的
harden-metadata命令将所有实例的元数据服务升级到版本 2,以确保更高的安全性。 -
案例:您的安全团队需要进行安全审计,以检查哪些实例可能存在安全风险。
最佳实践:使用 Metabadger 的
discover-metadata和discover-role-usage命令来收集实例的元数据服务使用情况和 IAM 角色使用情况,以便进行风险评估。
4. 典型生态项目
Metabadger 是 AWS 安全生态中的一个重要组成部分,它与其他 AWS 工具和服务协同工作,例如 AWS CloudWatch、AWS IAM 等,共同为用户提供一个安全的云计算环境。在 AWS 生态中,还有许多其他项目和服务,如 AWS Config、AWS Inspector 和 AWS Macie,它们可以与 Metabadger 配合使用,为用户提供全面的安全解决方案。
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