Google Authenticator PAM模块安全配置实践
2025-07-07 19:03:19作者:平淮齐Percy
引言
在Linux系统中,Google Authenticator PAM模块为系统提供了基于时间的一次性密码(TOTP)认证功能。然而,默认配置下存在一个潜在的安全隐患:当攻击者获取用户权限后,可以读取.google_authenticator文件内容,从而完全绕过双因素认证保护。
安全风险分析
默认情况下,.google_authenticator文件存储在用户主目录下,权限设置为600(用户可读写)。这种配置存在以下风险:
- 任何获得用户权限的攻击者都能读取该文件
- 文件包含生成一次性密码所需的种子密钥
- 攻击者可以利用该密钥生成有效的一次性密码
- 结合已获得的用户权限,攻击者可轻松提升至root权限
安全加固方案
方案一:更改文件所有权
- 将
.google_authenticator文件所有权改为root:
sudo chown root:root ~/.google_authenticator
- 修改PAM配置,指定用户为root:
auth required pam_google_authenticator.so secret=/home/${USER}/.google_authenticator user=root [authtok_prompt=Authenticator token: ]
方案二:变更文件存储位置
更安全的做法是将认证文件移出用户主目录:
- 创建集中存储目录:
sudo mkdir -p /etc/google-authenticator
sudo chmod 755 /etc/google-authenticator
- 移动并设置权限:
sudo mv ~/.google_authenticator /etc/google-authenticator/${USER}
sudo chown root:root /etc/google-authenticator/${USER}
sudo chmod 400 /etc/google-authenticator/${USER}
- 更新PAM配置:
auth required pam_google_authenticator.so secret=/etc/google-authenticator/${USER}
技术原理
该方案利用了Linux文件系统权限模型:
- 将关键认证文件设置为root所有
- 限制文件权限为400(仅root可读)
- PAM模块以root权限运行,可以读取该文件
- 普通用户无法查看或修改文件内容
注意事项
- 确保PAM模块配置正确,否则可能导致认证失败
- 建议同时启用其他安全措施,如限制sudo权限
- 定期检查文件权限是否被意外修改
- 备份密钥文件,防止意外丢失导致无法登录
总结
通过调整.google_authenticator文件的所有权和存储位置,可以显著提高双因素认证的安全性。这种配置方式特别适合对安全性要求较高的生产环境,能有效防止权限提升攻击。建议系统管理员根据实际环境选择适合的加固方案。
登录后查看全文
热门项目推荐
相关项目推荐
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。C032
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
427
3.28 K
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++
689
340
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
233
266
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
266
327
🎉 (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
1.22 K
668
🔥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
65
19
openEuler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。
C
45
32