osquery在macOS 15中alf_exceptions表查询问题解析
在macOS系统监控工具osquery的最新版本中,开发人员发现了一个与应用程序防火墙(Application Layer Firewall, ALF)相关的功能异常。当用户在macOS 15系统上执行alf_exceptions表查询时,无法获取预期的防火墙例外规则数据。
问题现象
当用户尝试通过osquery查询alf_exceptions表时,系统返回空结果集,同时在日志中记录错误信息:"Error parsing /Library/Preferences/com.apple.alf.plist: Unable to read plist: /Library/Preferences/com.apple.alf.plist"。这表明osquery无法正确读取和解析macOS系统的防火墙配置文件。
技术背景
macOS的应用程序防火墙(ALF)配置通常存储在/Library/Preferences/com.apple.alf.plist文件中。这个plist文件包含了系统防火墙的所有设置,包括允许或阻止特定应用程序网络通信的规则。在macOS 15之前,osquery通过直接读取和解析这个plist文件来获取防火墙例外规则。
问题根源
经过分析,这个问题与macOS 15系统的安全机制变更有关。新版本系统可能调整了防火墙配置的存储位置或格式,导致传统的plist文件读取方式失效。实际上,macOS 15引入了新的防火墙配置管理方式,系统现在通过system_profiler工具以JSON格式提供防火墙状态信息。
解决方案
开发团队已经针对此问题发布了修复补丁。新的实现方案改为通过system_profiler工具获取防火墙配置数据,这与macOS 15系统的设计变更保持一致。具体来说,修复后的osquery会执行"system_profiler -json SPFirewallDataType"命令来获取防火墙状态,然后解析返回的JSON数据来填充alf_exceptions表。
技术影响
这一变更不仅解决了macOS 15下的兼容性问题,还带来了以下优势:
- 更可靠的数据获取方式,不再依赖直接读取可能受保护的plist文件
- 与系统原生工具保持一致,减少未来系统升级带来的兼容性问题
- 支持更丰富的防火墙配置信息,包括全局状态、日志设置等
用户建议
对于使用osquery监控macOS系统的用户,建议:
- 升级到包含此修复的osquery版本(5.13.1之后)
- 检查现有的监控脚本,确保它们能正确处理alf_exceptions表的新数据结构
- 注意macOS系统更新可能带来的类似配置存储方式变更
这个问题展示了系统监控工具如何需要不断适应底层操作系统的变化,也体现了osquery团队对macOS系统特性的快速响应能力。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00