BeyondTrust AD Bridge Open 使用指南
1. 项目介绍
BeyondTrust AD Bridge Open 是由 BeyondTrust 赞助的一个开源社区项目,目标是简化非微软系统加入 Active Directory 域的过程,并优化这些主机的管理,同时提供一个丰富的开发平台来支持异构网络中的应用程序编写。需要注意的是,此项目已被归档并停止更新,不再维护社区版。企业级版本可访问 BeyondTrust AD Bridge。
2. 项目快速启动
环境准备
确保你的开发环境具备必需的软件包。对于 RedHat/Fedora,你需要安装 gcc, glibc-devel, pam-devel, flex, bison, rpm-build, rpm-devel, popt-devel, libxml2-devel 等。对于 Ubuntu,则应安装 build-essential, fakeroot, devscripts, debhelper, 以及 autoconf, automake, libtool 等,并根据需求添加额外的库用于支持如 GUI 应用等。
编译与部署
-
克隆仓库到本地:
git clone https://github.com/BeyondTrust/pbis-open.git -
进入项目目录,准备构建:
cd pbis-open mkdir debug && cd debug -
执行配置并构建(建议在多核CPU上使用并行构建):
../configure --debug make -j$(nproc) -
包装或直接安装:
- 打包方式:
成品将位于make packagepbis-open/debug/package/目录下。 - 直接安装 (不推荐除非你知道如何手动管理服务):
完成后需要手动启动服务及导入必要的注册表文件。sudo make install
- 打包方式:
3. 应用案例和最佳实践
虽然该项目已不维护,但其曾被广泛应用于将非Windows系统,如Linux服务器,整合进Active Directory域中,以实现统一的身份验证和管理。最佳实践中,应该:
- 在加入AD域前进行充分的测试,特别是在生产环境中。
- 确保所有依赖项正确安装,避免运行时错误。
- 利用
lwsm工具管理服务,确保正确的启动顺序和服务依赖关系。 - 注意配置PBIS注册表设置时要谨慎,以免影响系统正常运行。
4. 典型生态项目
由于此项目已归档,它本身未形成一个活跃的生态,但类似的功能需求可能通过其他现代解决方案满足,如Samba的AD DC功能或者使用Winbind,尽管它们不是直接替代品。在集成非Windows系统与AD时,应考虑当前社区维护的开源工具和方法。
注意:上述信息基于提供的历史数据构建,实际操作需考虑项目状态已过期的风险。对于新的项目实施,请寻找当前受支持的替代方案。
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