osquery新增hash_executable列优化macOS应用签名验证性能
2025-05-09 07:17:40作者:江焘钦
在macOS系统中,应用签名验证是一个重要的安全机制,它确保了应用的完整性和来源可信性。osquery作为一个强大的端点监控工具,在其signature虚拟表中提供了查询应用签名信息的能力。最新版本中,osquery团队为signature表新增了一个重要列hash_executable,这将显著提升查询性能。
背景与需求
在macOS上,每个应用都包含代码签名信息,其中包含开发者团队标识符(Team Identifier)等重要元数据。安全团队经常需要查询这些信息来进行应用审计和合规检查。传统的查询方式会触发完整的签名验证过程,包括对可执行文件和资源文件的哈希计算,这在查询大量应用时会消耗大量CPU和内存资源。
技术实现
osquery的signature表原本已经提供了hash_resources列,当设置为0时,会跳过资源文件的哈希验证。新增加的hash_executable列采用了类似的设计理念:
- 当
hash_executable=0时,osquery会设置kSecCSDoNotValidateExecutable标志 - 默认值为1,保持向后兼容性
- 与
hash_resources配合使用可以进一步优化性能
性能对比
在实际测试中,查询约525个已安装应用时:
- 仅使用
hash_resources=0:耗时约49秒 - 同时使用
hash_resources=0和hash_executable=0:耗时约10秒
性能提升达到5倍左右,这对于大规模端点管理场景意义重大。
使用建议
安全团队现在可以构建更高效的查询语句来获取应用签名信息:
SELECT a.*, s.team_identifier
FROM apps a
JOIN signature s ON a.path = s.path
WHERE s.arch = ''
AND s.hash_resources = 0
AND s.hash_executable = 0;
这种查询方式在保持获取关键签名信息的同时,大幅降低了系统资源消耗。
安全考量
虽然跳过哈希验证能提升性能,但安全团队需要注意:
- 仅在可信环境中使用这些优化选项
- 对于关键安全决策,仍建议进行完整验证
- 可以结合其他安全机制来弥补验证完整性的降低
总结
osquery的这一改进体现了其在性能与功能性之间的平衡能力。通过hash_executable列的引入,安全团队现在有了更灵活的选择,可以根据实际需求在查询深度和系统负载之间做出合理权衡。这一特性将在osquery 5.15.X版本中正式发布,为macOS端点安全监控带来更高效的解决方案。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0241- 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
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
electerm开源终端/ssh/telnet/serialport/RDP/VNC/Spice/sftp/ftp客户端(linux, mac, win)JavaScript00
热门内容推荐
最新内容推荐
4个步骤掌握DeepEval:从入门到实践3大场景解锁pyLDAvis:从学术研究到商业决策的主题模型可视化实战指南BiliTools全场景解析指南:高效管理B站资源的跨平台解决方案5个core83核心能力:提升Node.js开发效率的全方位解决方案AI模型云端部署无代码实践:从本地训练到生产服务的完整指南macOS平台Windows启动盘制作工具:WindiskWriter全面指南Vue3短视频架构实战:从交互到部署的全链路指南开源CRM解决方案:企业级客户关系管理系统全栈实践指南轻量高效的macOS录屏新选择:QuickRecorder全面评测与使用指南3种PDF拆分模式,让文档管理效率提升80%
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
634
4.17 K
Ascend Extension for PyTorch
Python
472
570
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++
932
836
🎉 (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
1.51 K
863
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
385
269
暂无简介
Dart
881
211
昇腾LLM分布式训练框架
Python
138
162
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
188
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
327
383