DSInternals项目中的Windows LAPS加密密码支持解析
DSInternals是一款强大的活动目录安全审计工具,近期在其5.3版本中开始支持Windows LAPS(本地管理员密码解决方案)加密密码的解析功能,这对于Active Directory灾难恢复和安全审计具有重要意义。
Windows LAPS加密密码的背景
Windows LAPS是微软提供的一种自动管理本地管理员账户密码的解决方案。在Windows Server 2025中,微软引入了加密的DSRM(目录服务恢复模式)密码功能,这为Active Directory的安全管理提供了更高级别的保护。
DSInternals的LAPS支持演进
在DSInternals 5.3版本中,工具已经能够解析未加密的Windows LAPS和传统LAPS密码。然而,对于加密的Windows LAPS密码,特别是加密的DSRM密码,开发者Michael Grafnetter表示这需要额外的工作量来实现支持。
加密LAPS密码解析的实现
经过开发者的努力,DSInternals现已实现对加密Windows LAPS密码的解析功能。通过简单的PowerShell命令即可提取这些密码信息:
Get-ADDBAccount -DatabasePath '.\ntds.dit' -All -Properties LAPS |
Select-Object -ExpandProperty LapsPasswords
命令输出将显示包括计算机名、账户名、密码、过期时间以及密码来源等详细信息。特别值得注意的是,输出中的"Source"字段可以标识密码来源,包括:
- EncryptedDSRMPassword(加密的DSRM密码)
- EncryptedPassword(加密密码)
- CleartextPassword(明文密码)
技术意义与应用场景
这项功能的实现为Active Directory管理员提供了几个关键优势:
-
灾难恢复:能够从NTDS数据库直接提取加密的DSRM密码,极大简化了AD灾难恢复流程。
-
安全审计:管理员可以定期备份加密的LAPS密码到安全存储(如加密的CSV文件),用于安全审计和合规检查。
-
密码管理:提供了一种集中查看和管理所有LAPS密码的方法,包括传统LAPS和新型加密LAPS密码。
未来展望
随着Windows Server 2025的普及,加密LAPS密码将成为标准配置。DSInternals对此功能的支持确保了安全工具能够跟上微软最新的安全技术发展,为Active Directory管理员提供了强大的技术支持。
这项功能的实现不仅展示了DSInternals项目对最新安全技术的快速响应能力,也为Active Directory的安全管理开辟了新的可能性,特别是在灾难恢复和安全审计领域。
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