osquery项目在macOS 15上alf_exceptions表查询问题解析
在macOS系统监控工具osquery的最新版本中,开发人员发现了一个与应用程序防火墙(Application Layer Firewall, ALF)相关的功能异常。当用户在macOS 15系统上执行alf_exceptions表查询时,无法获取预期的防火墙例外规则数据,而是返回空结果并伴随错误日志。
问题现象
osquery提供的alf_exceptions表设计用于查询macOS系统中配置的应用程序防火墙例外规则。正常情况下,该表应返回与系统防火墙设置中配置的应用程序访问权限相对应的数据记录。然而在macOS 15环境下,查询该表时会出现以下异常表现:
- 执行标准SQL查询
SELECT * FROM alf_exceptions;返回空结果集 - 系统日志中记录错误信息:"Error parsing /Library/Preferences/com.apple.alf.plist: Unable to read plist: /Library/Preferences/com.apple.alf.plist"
技术背景
macOS的应用程序防火墙配置传统上存储在/Library/Preferences/com.apple.alf.plist文件中。这个plist文件包含了系统防火墙的全局设置、服务例外以及应用程序例外等配置信息。osquery通过解析这个文件来构建alf_exceptions表的数据内容。
在macOS 15中,苹果公司可能对防火墙配置的存储机制进行了调整,导致传统的plist文件读取方式失效。实际上,系统防火墙配置现在可以通过system_profiler -json SPFirewallDataType命令获取,该命令返回的JSON数据结构包含了完整的防火墙配置信息。
问题根源
经过分析,问题的根本原因在于:
- osquery的alf_exceptions表实现仍然依赖旧的plist文件解析方式
- macOS 15可能改变了防火墙配置的存储位置或格式
- 系统提供的替代接口(system_profiler)未被osquery利用
解决方案
开发团队已经针对此问题提交了修复补丁,主要改进包括:
- 适配macOS 15新的防火墙配置查询机制
- 实现从system_profiler命令输出中提取防火墙例外规则
- 保持向后兼容性,确保在旧版macOS上仍能正常工作
影响范围
该问题仅影响运行在macOS 15系统上的osquery实例,特别是那些依赖alf_exceptions表进行安全审计或合规性检查的用户。对于macOS 14及以下版本,原有功能保持正常。
用户建议
对于需要使用此功能的用户,建议:
- 升级到包含修复补丁的osquery版本
- 如果暂时无法升级,可以考虑使用替代方法通过shell命令获取防火墙配置
- 在安全策略中考虑macOS 15防火墙配置机制的变化
此问题的修复体现了osquery项目对macOS系统变化的快速响应能力,确保了安全监控工具在最新操作系统版本上的可靠性和准确性。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust059
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00