Locksmith项目发布v2025.5.26版本:增强ADCS安全检测能力
Locksmith是一个专注于Active Directory证书服务(ADCS)安全评估的PowerShell工具集。该项目由安全研究人员Jake Hildreth主导开发,旨在帮助安全团队检测和防御ADCS环境中存在的各类安全风险。在最新发布的v2025.5.26版本中,Locksmith新增了多项关键安全检测功能,显著提升了工具在ADCS安全评估方面的能力。
新增安全检测功能
本次版本更新最引人注目的是新增了三种关键ADCS安全风险的检测能力:
-
ESC7攻击检测:ESC7是指攻击者滥用证书颁发机构(CA)服务器上的"ManageCA"和"ManageCertificates"权限,通过这些高权限操作可以签发任意证书或篡改现有证书。Locksmith现在可以识别环境中存在此类风险的配置。
-
ESC16问题检测:ESC16涉及ADCS Web注册接口中的安全缺陷,攻击者可能利用这些缺陷进行NTLM中继攻击或获取未授权证书。新版本增加了针对这类Web接口风险的自动化检测。
-
ESC9风险识别:ESC9与证书模板配置中的"NoSecurityExtension"标志相关,该标志会禁用证书的安全扩展检查,可能导致证书滥用。Locksmith现在可以扫描并标记存在此类问题的证书模板。
检测能力优化
除了新增检测项外,本次更新还对现有功能进行了多项改进:
-
风险评级优化:重新调整了各类ADCS安全风险的评级标准,使风险评估结果更加准确反映实际威胁程度。
-
错误处理增强:特别改进了Get-CAHostObject和Find-ESC7等核心脚本的错误处理机制,提升了工具在复杂环境中的稳定性和可靠性。
-
检测逻辑完善:对现有检测算法进行了优化,减少了误报和漏报的可能性。
技术实现特点
Locksmith采用PowerShell实现,具有以下技术特点:
-
轻量级部署:工具以压缩包形式发布,解压即可使用,无需复杂安装过程。
-
模块化设计:各安全检测项以独立脚本实现,便于功能扩展和维护。
-
自动化扫描:支持对整个ADCS环境的自动化安全评估,显著提高审计效率。
-
清晰报告:检测结果以结构化格式输出,便于安全团队分析和跟进。
应用场景建议
Locksmith特别适用于以下场景:
-
红队评估:安全团队在攻防演练中快速识别ADCS环境中的安全弱点。
-
蓝队防御:企业安全人员定期检查ADCS配置,确保符合安全基线。
-
渗透测试:专业安全服务人员在客户环境中执行ADCS专项安全评估。
-
安全审计:合规团队验证ADCS配置是否符合行业安全标准。
使用建议
对于初次使用Locksmith的安全团队,建议:
-
在测试环境中先行验证,熟悉工具的输出和检测逻辑。
-
将扫描结果与企业现有的风险管理流程整合。
-
定期执行扫描,特别是在ADCS配置变更后。
-
结合其他AD安全工具使用,获得更全面的安全态势视图。
最新版本的Locksmith进一步巩固了其在ADCS安全评估领域的专业地位,为防御日益增多的ADCS相关攻击提供了有力工具。安全团队应当关注这些新增的检测能力,及时将其纳入日常安全运维流程中。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00