ScubaGear项目关于SharePoint自定义脚本策略变更的技术分析
背景概述
微软近期对SharePoint和OneDrive的自定义脚本配置选项进行了重要更新,这对ScubaGear安全基线中的相关策略检查产生了直接影响。作为一款专注于Microsoft 365安全配置评估的开源工具,ScubaGear需要及时跟进这些平台级变更,确保策略检查的准确性和有效性。
变更内容分析
微软此次变更主要涉及两个方面的调整:
-
MS.SHAREPOINT.4.1v1策略(个人OneDrive站点的自定义脚本)已从SharePoint管理门户中完全移除。经实际验证,该设置已无法在管理界面中找到,且ScubaGear的现有代码中并未包含对该字段的检查。
-
MS.SHAREPOINT.4.2v1策略(自助服务站点/SharePoint站点的自定义脚本)的实现方式发生了重大变化:
- 传统的经典设置管理页面中的配置选项已失效
- 新配置位置迁移至SharePoint管理中心 > 站点 > 活动站点页面
- 仍可通过PowerShell命令进行修改
- 微软声称非合规配置将在24小时内自动恢复,但实际测试显示该行为并不一致
技术验证过程
项目团队通过以下方式进行了全面验证:
-
管理界面测试:确认了新旧配置路径的实际效果差异,发现经典管理界面中的修改不再影响实际配置状态。
-
PowerShell验证:使用
Set-SPOSite命令成功修改了DenyAddAndCustomizePages参数,该修改能够被ScubaGear正确检测到。 -
自动恢复机制测试:将多个站点的自定义脚本设置为"Allowed"后,观察自动恢复行为。结果显示只有部分站点在24小时内被恢复为"Blocked",其他站点配置保持不变,这与微软文档描述存在差异。
影响评估与解决方案
基于验证结果,项目团队制定了以下应对方案:
-
MS.SHAREPOINT.4.1v1策略:
- 从安全基线中完全移除
- 无需修改ScubaGear代码(因其原本就不包含该检查项)
-
MS.SHAREPOINT.4.2v1策略:
- 短期方案:修改ScubaGear规则引擎,将该策略检查结果标记为N/A(不适用)
- 基线文档更新:添加说明文字表明该策略基于的配置项已被弃用
- 长期计划:在后续版本中完全移除该策略检查
技术建议
对于企业安全团队,建议采取以下措施:
-
了解微软在SharePoint安全配置方面的演进方向,自定义脚本控制将逐渐由平台统一管理。
-
对于仍需精细控制脚本执行的场景,建议:
- 使用新版管理界面进行配置
- 通过PowerShell脚本批量管理
- 建立定期检查机制,确认配置状态符合预期
-
关注ScubaGear的版本更新,及时获取最新的策略检查能力。
总结
微软对SharePoint自定义脚本管理的调整反映了其向更自动化安全管控模式的转变。作为安全评估工具,ScubaGear需要平衡策略的严谨性与平台演进的现实,此次变更处理体现了工具维护团队对微软生态变化的快速响应能力。建议用户关注后续版本更新,以获得最佳的安全评估体验。
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