ComplianceAsCode项目中RHEL 10启动容器与FIPS模式兼容性问题分析
在ComplianceAsCode项目的近期测试中,发现了一个关于RHEL 10启动容器与安全加固配置的兼容性问题。这个问题主要出现在使用STIG或ISM_O安全配置文件的场景下,导致容器无法正常启动。
问题现象
当尝试在RHEL 10系统上部署经过STIG或ISM_O安全配置文件加固的启动容器时,系统会在启动过程中失败。具体表现为系统在FIPS完整性检查阶段报错,提示无法找到内核文件的HMAC校验文件,最终导致系统拒绝继续启动。
通过虚拟机的控制台输出可以看到,系统在dracut阶段尝试进行FIPS完整性检查时失败,错误信息明确指出缺少/boot/.vmlinuz-6.12.0-48.el10.x86_64.hmac文件,这是FIPS模式下的关键校验文件。
问题根源
这个问题是由于RHEL 10中Anaconda安装程序的两个相关bug被修复后暴露出来的。这些修复使得系统现在严格执行FIPS模式下的完整性检查要求。在FIPS模式下,系统需要验证内核及其相关组件的完整性,这需要相应的HMAC校验文件存在。
在STIG和ISM_O安全配置文件中,通常会启用FIPS模式作为安全加固的一部分。然而,当前的容器部署流程似乎没有正确处理这些FIPS相关的校验文件,导致系统启动时无法完成必要的完整性验证。
技术背景
FIPS(Federal Information Processing Standards)是美国政府制定的一系列计算机安全标准。在RHEL系统中启用FIPS模式会带来以下变化:
- 加密模块必须使用经过FIPS认证的实现
- 系统组件需要进行完整性验证
- 随机数生成必须符合FIPS标准
- 内核和关键系统文件需要HMAC校验
在容器化部署场景下,这些要求带来了额外的复杂性,因为容器镜像需要包含所有必要的校验信息,而传统的容器部署流程可能没有考虑这些需求。
解决方案方向
要解决这个问题,需要考虑以下几个方面:
-
容器镜像构建流程:确保在构建启动容器镜像时,包含所有必要的FIPS校验文件。
-
Anaconda集成:调整Anaconda安装程序对容器部署的支持,使其能够正确处理FIPS模式下的特殊要求。
-
测试验证:更新测试用例,确保在FIPS模式下所有必需的校验机制都能正常工作。
-
文档说明:为使用安全加固配置的用户提供明确的文档,说明在容器化部署时的特殊注意事项。
对用户的影响
这个问题主要影响以下用户场景:
- 在RHEL 10上使用启动容器技术的用户
- 需要符合STIG或ISM_O安全标准的部署环境
- 启用了FIPS模式的安全敏感环境
对于这些用户,目前临时的解决方案可能是暂时禁用FIPS模式,但这会降低系统的安全合规性。长期解决方案需要等待相关修复的完成和测试验证。
总结
这个问题揭示了安全合规要求与新兴容器技术集成时的挑战。随着RHEL 10的演进和安全标准的更新,开发团队需要持续关注这类兼容性问题,确保安全加固措施能够无缝地应用于各种部署场景。对于企业用户来说,在规划安全合规的容器化部署时,需要特别注意这类底层兼容性问题,并在测试环境中充分验证部署方案。
未来,随着相关修复的完成和测试覆盖的完善,ComplianceAsCode项目将能够更好地支持在FIPS模式下部署安全加固的启动容器,为用户提供既安全又灵活的部署选项。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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