osquery在macOS 15 Sequoia中ALF表查询失效问题分析
在macOS系统监控领域,osquery作为一款强大的端点检测工具,其内置的ALF(Application Layer Firewall)表一直为安全团队提供着关键的防火墙状态信息。然而,随着macOS 15 Sequoia(版本24A5309e)的发布,用户发现这一功能出现了异常。
问题现象
当用户在macOS 15系统上运行SELECT * FROM alf;查询时,无法获取任何结果。这与之前版本的行为形成鲜明对比,在macOS 14及更早版本中,该查询能够正常返回防火墙配置信息。
根本原因
深入分析发现,问题根源在于macOS 15系统架构的变更。osquery的ALF表实现原本依赖于/Library/Preferences/com.apple.alf.plist配置文件来获取防火墙状态数据。然而在Sequoia版本中,苹果公司移除了这一传统配置文件,导致查询机制失效。
技术背景
Application Layer Firewall是macOS内置的重要安全组件,负责管理应用程序的网络连接权限。在早期版本中,系统通过plist文件存储这些配置,而新版本可能采用了更现代化的配置管理方式。
解决方案探索
经过技术团队研究,发现macOS 15中可以通过替代方案获取防火墙信息:
-
系统分析工具:使用
system_profiler SPFirewallDataType命令可以获取完整的防火墙配置信息,包括模式设置、应用程序权限、日志记录状态等。 -
系统配置框架:类似于secureboot的实现方式,可以考虑通过系统配置框架来获取这些数据,这需要osquery进行相应的适配更新。
影响范围
该问题主要影响:
- 运行macOS 15 Sequoia Beta 5及以上版本的系统
- 使用osquery 5.12.1版本进行端点监控的环境
- 依赖ALF表进行安全审计的工作流程
临时解决方案
在官方修复发布前,建议用户可以通过以下方式临时获取防火墙状态:
- 通过命令行工具手动收集数据
- 开发自定义表扩展来适配新系统
- 考虑降级到兼容版本(如非必要不建议)
未来展望
随着macOS系统持续演进,类似的基础设施变更可能会越来越多。这提醒我们安全监控工具需要:
- 建立更灵活的数据采集机制
- 加强对系统API的适配能力
- 提高对系统版本差异的兼容性处理
安全团队应密切关注osquery的后续更新,及时获取对macOS 15的完整支持。同时,这也是一次重新评估端点监控策略的契机,考虑构建更加健壮的多层次监控体系。
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