active-directory-security 的安装和配置教程
项目基础介绍
active-directory-security 是一个基于 Microsoft Enterprise Access Model 开发的开源项目,由 Monash University 的 Enterprise Engineering 团队开发。该项目旨在通过内置功能为 Active Directory (AD) 提供微分段安全模型,即 Monash Enterprise Access Model (MEAM)。MEAM 通过对 AD 进行分层,创建管理层次结构,限制横向移动,从而增强企业的安全性。
该项目主要使用 PowerShell 编程语言,同时也涉及到一些 Active Directory 的内置功能和第三方安全控制工具。
项目使用的关键技术和框架
- PowerShell:用于自动化 AD 配置和管理任务。
- Active Directory:项目核心,用于实现分层模型。
- Kerberos 认证:用于实现认证策略和认证隔离。
- gMSA(Group Managed Service Account):用于自动管理服务账户密码。
- 第三方工具:如 Lithnet AD Password Protection 和 Lithnet Access Manager,用于增强 AD 安全性。
安装和配置准备工作
在开始安装和配置之前,请确保以下准备工作已完成:
- 确保你有一个有效的 Active Directory 环境。
- 安装 PowerShell Core 或 Windows PowerShell。
- 确保你有足够的权限来修改 AD 配置。
- 确保所有的服务器和客户端都运行了兼容的操作系统版本。
安装步骤
步骤 1:克隆或下载项目
首先,需要从 GitHub 上克隆或下载 active-directory-security 项目:
git clone https://github.com/mon-csirt/active-directory-security.git
或者,如果你不想使用 Git,可以手动下载 ZIP 文件,然后解压到本地文件夹。
步骤 2:安装必要的 PowerShell 模块
根据项目需求,可能需要安装一些 PowerShell 模块。可以使用以下命令来安装:
Install-Module -Name SomeModule
将 SomeModule 替换为项目文档中提到的具体模块名称。
步骤 3:配置 Active Directory
根据 MEAM 模型,需要配置 AD 的分层结构。以下是一个简化的步骤:
- 创建管理层次结构中的各个级别(如行政层级、区域和服务)。
- 配置受保护的账户(如
Protected Users安全组)。 - 设置 Kerberos 认证策略和认证隔离。
具体步骤需要根据项目的文档和你的 AD 环境来执行。
步骤 4:应用安全控制
根据项目的建议,你可以启用和配置以下安全控制:
- 启用智能卡认证。
- 配置认证隔离和认证策略。
- 创建和使用 gMSA 账户。
- 使用第三方工具,如 Lithnet AD Password Protection 和 Lithnet Access Manager。
确保遵循项目文档中的详细指导,逐步配置这些控制。
步骤 5:测试配置
完成所有配置后,你应该测试新的安全设置以确保它们正常工作。这包括:
- 测试受保护用户组的成员是否无法使用旧协议进行认证。
- 验证智能卡认证是否正常工作。
- 检查认证隔离是否按预期限制账户的使用。
确保所有测试都在非生产环境中进行,以避免对现有系统造成意外影响。
通过遵循上述步骤,你应该能够成功安装和配置 active-directory-security 项目,从而增强你的 Active Directory 环境的安全性。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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