DSInternals项目中的密码质量测试功能优化解析
2025-07-08 21:28:30作者:董斯意
DSInternals是一个强大的活动目录安全工具集,其中的Test-PasswordQuality命令用于检测Active Directory中密码的安全性。最新版本4.15中对该功能进行了重要优化,特别是针对HIBP(Have I Been Pwned)公开密码数据集的处理方式。
功能背景
Test-PasswordQuality命令原本支持通过-WeakPasswordHashesSortedFile或-WeakPasswordHashesFile参数指定单个HIBP数据集文件进行密码检测。但在实际使用中,管理员发现处理大型HIBP数据集时存在性能瓶颈。
性能优化方案
新版本4.15中引入了-WeakPasswordHashesFilePath参数,支持直接使用HIBP的分片数据格式(00000-FFFFF.txt)。这种分片存储方式相比单个大文件具有显著优势:
- 查询速度提升:当检测特定NTLM哈希在公开数据集中的出现次数时,分片格式可以快速定位到对应文件,避免全量扫描
- 资源占用降低:不需要维护完整数据集和分片数据两份副本,节省存储空间
- 结果更精确:可以直接获取密码在安全事件中的具体出现次数,为风险评估提供更细致依据
技术实现原理
HIBP分片数据按照哈希值的前5位十六进制字符进行文件划分。例如,哈希"000001C8B397B9EFB3B41F3A5D53E87B"会被存储在"00000.txt"文件中。每个分片文件内包含完整哈希和出现次数,格式为"哈希值:出现次数"。
DSInternals利用这一特性,在检测密码质量时:
- 首先计算密码的NTLM哈希
- 根据哈希前5位确定目标分片文件
- 仅加载对应分片进行查询,避免处理整个数据集
- 返回查询结果及出现次数
实际应用价值
对于Active Directory管理员,这一优化意味着:
- 更高效的密码审计:大规模AD环境中的密码检测时间大幅缩短
- 更精准的风险评估:可以根据密码在安全事件中的实际出现次数确定重置优先级
- 更简单的维护:只需维护一套分片格式的HIBP数据,无需转换或保留多个版本
最佳实践建议
- 定期从可靠来源获取最新的HIBP分片数据
- 将数据存储在高速存储设备上以进一步提升查询性能
- 结合出现次数设置自动化响应策略,如对高频公开密码强制立即重置
- 将密码质量检测纳入常规安全审计流程
这一改进体现了DSInternals项目对实际运维场景的深入理解,为Active Directory安全管理提供了更专业的工具支持。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5暂无简介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
Spark-Formalizer-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
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
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
615
139
Ascend Extension for PyTorch
Python
165
184
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
371
3.16 K
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
257
91
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
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
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++
646
255