DSInternals项目中的AdminCount属性与委派权限的深度解析
2025-07-08 01:34:18作者:袁立春Spencer
背景概述
在Active Directory安全管理中,AdminCount属性和用户账户委派权限是两项关键的安全指标。近期在DSInternals工具的使用过程中,安全审计人员发现了一个值得深入探讨的现象:某些被标记为"可委派的管理账户"实际上只是普通用户账户(UserAccountControl=512),仅因AdminCount属性为1而被误判。
技术原理剖析
AdminCount属性的本质
AdminCount是Active Directory中一个容易被误解的属性。它的核心特性包括:
- 当用户加入受保护的管理组(如Domain Admins、Enterprise Admins等)时自动设置为1
- 即使用户后续被移出管理组,该属性仍保持为1不会自动重置
- 仅表示历史权限状态,不代表当前实际权限
委派权限的判定标准
真正的账户委派能力由UserAccountControl属性中的NOT_DELEGATED标志位控制:
- 未设置NOT_DELEGATED标志:账户可被委派
- 设置NOT_DELEGATED标志:禁止委派
问题发现与解决方案
在DSInternals的Test-PasswordQuality命令实现中,原始逻辑将AdminCount=1且NOT_DELEGATED未设置的账户都归类为"可委派的管理账户"。这种处理方式存在两个技术误区:
- 将历史管理权限与当前委派能力混为一谈
- 可能产生误导性的安全报告
改进后的方案建议将这两类属性分开检测:
// 委派权限检测
if (!this.Account.UserAccountControl.HasFlag(UserAccountControl.NotDelegated)) {
this.result.DelegatableAdmins.Add(this.Account.LogonName);
}
// 历史管理权限检测
if (this.Account.AdminCount) {
this.result.ProtectedAdmins.Add(this.Account.LogonName);
}
安全最佳实践
基于这一案例,我们总结出以下Active Directory安全管理建议:
-
定期审计AdminCount属性:通过PowerShell或专用工具检查AdminCount=1的账户,确认其当前是否仍需要管理权限
-
委派权限精细控制:
- 对服务账户明确设置NOT_DELEGATED标志
- 避免普通用户账户具备委派权限
-
权限变更后的清理工作:
- 用户降权时手动重置AdminCount属性
- 更新UserAccountControl相关标志位
-
工具使用的注意事项:
- 理解安全工具的检测逻辑和判断标准
- 对工具结果进行二次验证
- 结合多款工具进行交叉检查
总结
通过对DSInternals这一案例的深入分析,我们不仅理解了AdminCount属性的真实含义,也认识到权限委派检测的复杂性。在Active Directory环境的安全管理中,必须准确区分历史权限痕迹与实际安全配置,才能做出正确的安全决策。这也提醒我们,任何安全工具的使用都需要配合对底层原理的深入理解,才能发挥最大价值。
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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
667
153
Ascend Extension for PyTorch
Python
216
235
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++
660
303
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
React Native鸿蒙化仓库
JavaScript
255
321
🔥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
63
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
651
仓颉编程语言运行时与标准库。
Cangjie
141
876
仓颉编译器源码及 cjdb 调试工具。
C++
133
866