LACT项目系统服务安全加固实践
2025-07-03 20:49:38作者:沈韬淼Beryl
系统服务安全加固的必要性
LACT是一个运行在Linux系统上的AMD GPU控制工具,其守护进程(lactd)需要以root权限运行。在Linux系统中,任何以root权限运行的服务都存在潜在的安全风险,一旦被攻击者利用,可能导致整个系统被控制。因此,对这类服务进行适当的安全加固是非常必要的。
systemd服务加固机制
systemd作为现代Linux系统的初始化系统,提供了一系列服务隔离和限制功能,主要包括:
- 资源隔离:通过PrivateTmp、PrivateDevices等选项隔离服务访问的系统资源
- 权限限制:通过CapabilityBoundingSet、SystemCallFilter等限制服务的权限和能力
- 访问控制:通过ProtectSystem、ProtectHome等控制服务对系统文件的访问
- 行为限制:通过MemoryDenyWriteExecute、NoNewPrivileges等限制服务的异常行为
LACT服务加固方案
基础加固配置
对于LACT守护进程,我们可以实施以下基础加固措施:
[Service]
MemoryDenyWriteExecute=yes
PrivateNetwork=yes
RestrictAddressFamilies=AF_UNIX AF_LOCAL AF_NETLINK
SystemCallArchitectures=native
SystemCallFilter=~@debug
CapabilityBoundingSet=~CAP_NET_ADMIN CAP_NET_RAW CAP_BPF CAP_SYS_PTRACE
这些配置可以:
- 禁止服务创建可写且可执行的内存区域,防止代码注入攻击
- 禁用网络访问,因为LACT不需要网络功能
- 限制系统调用架构和类型,减少攻击面
- 移除不必要的Linux能力
文件系统访问控制
针对文件系统访问,我们可以配置:
ProtectHome=read-only
TemporaryFileSystem=/root/.cache
ReadWritePaths=/etc/lact /tmp
这样配置可以:
- 允许只读访问用户主目录(用于Vulkan层文件)
- 为root用户的缓存目录创建临时文件系统
- 允许写入/etc/lact配置目录和/tmp临时目录
功能性与安全性的平衡
在实际部署中,我们需要在功能性和安全性之间找到平衡点。特别是以下功能需要考虑:
- 调试快照功能:需要允许对/tmp目录的写入权限
- 超频支持:需要写入/etc/modprobe.d目录并调用initramfs生成器
- Vulkan信息报告:需要读取系统各处的驱动和层文件
- D-Bus访问:需要处理系统挂起/恢复事件
实施建议
对于普通用户,建议采用中等强度的加固配置,平衡安全性和功能性。对于高安全需求环境,可以采用更严格的配置,但需要接受部分功能限制。
系统管理员可以根据实际需求,通过创建systemd服务覆盖文件(override.conf)来调整安全设置,而无需修改原始服务文件。
安全加固的效果评估
实施上述加固措施后,使用systemd-analyze security工具评估,安全评分可以从原来的"9.6 UNSAFE"提升到"2.3 OK"级别,显著提高了服务的安全性。
总结
通过对LACT守护进程实施systemd服务加固,可以在不大幅修改代码的情况下,显著提升系统的整体安全性。这种加固方法不仅适用于LACT项目,也可以作为其他需要root权限的系统服务的参考配置方案。在实际应用中,管理员应根据具体使用场景和安全需求,选择适当的加固级别。
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-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
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
Ascend Extension for PyTorch
Python
185
196
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
480
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
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210