LACT项目系统服务安全加固实践
2025-07-03 21:01:49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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.12 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
315
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219