ComplianceAsCode项目中root用户初始化文件权限问题的分析与解决
2025-07-01 18:33:38作者:虞亚竹Luna
问题背景
在ComplianceAsCode项目的安全合规检查中,发现了一个关于root用户初始化文件权限的问题。具体表现为:在执行file_permission_user_init_files_root规则修复后,系统仍然存在权限设置不正确的文件。这个问题在RHEL 8.10、9.6和10.0等多个版本中均被发现。
问题现象
系统检测到以下root用户的初始化文件权限不符合安全要求:
- /root/.bash_profile
- /root/.bashrc
- /root/.cshrc
- /root/.tcshrc
- /root/.bash_logout
这些文件的权限被设置为644(rw-r--r--),而安全合规要求更严格的权限设置。
问题根源分析
经过深入调查,发现这些文件是由rootfiles RPM包提供的,该包通过/usr/lib/tmpfiles.d/rootfiles.conf配置文件定义了这些初始化文件的创建和权限设置。具体配置内容如下:
# create initial /root directories shell content
C /root/.bash_logout 644 root root - /usr/share/rootfiles/.bash_logout
C /root/.bash_profile 644 root root - /usr/share/rootfiles/.bash_profile
C /root/.bashrc 644 root root - /usr/share/rootfiles/.bashrc
C /root/.cshrc 644 root root - /usr/share/rootfiles/.cshrc
C /root/.tcshrc 644 root root - /usr/share/rootfiles/.tcshrc
在系统重启后,systemd的tmpfiles机制会根据这个配置文件重新创建这些文件并设置权限,导致之前通过修复脚本修改的权限被重置。
解决方案探讨
针对这个问题,项目团队提出了两种解决方案:
-
移除rootfiles包方案:
- 直接移除提供这些文件的
rootfilesRPM包 - 如果文件在修复时已存在,则修改其权限
- 优点:彻底解决问题根源
- 缺点:可能影响系统默认的bash环境配置,特别是umask等全局设置
- 直接移除提供这些文件的
-
使用tmpfiles.d覆盖方案:
- 在
/etc/tmpfiles.d/目录下创建自定义配置文件 - 覆盖默认的权限设置
- 优点:保留系统默认配置的同时修正权限
- 缺点:需要维护额外的配置文件
- 在
最终解决方案
经过权衡,项目团队选择了第二种方案,即在/etc/tmpfiles.d/目录下创建自定义配置文件来覆盖默认设置。这种方案的优势在于:
- 保留了系统默认的shell配置文件,确保umask等全局设置不会丢失
- 不会影响其他可能依赖
rootfiles包的功能 - 更加符合最小修改原则,降低对其他系统组件的影响
技术实现细节
实现这一解决方案需要:
- 创建一个新的配置文件,例如
/etc/tmpfiles.d/rootconf.conf - 在该文件中重新定义root用户初始化文件的权限
- 确保新配置文件的优先级高于默认配置
- 在修复脚本中包含创建和配置这个文件的步骤
安全建议
对于系统管理员,建议:
- 定期检查root用户的初始化文件权限
- 了解系统中tmpfiles.d机制的工作原理
- 对于关键配置文件,考虑使用更严格的权限设置
- 在系统更新后,重新验证这些安全设置是否仍然有效
总结
这个案例展示了Linux系统中配置文件管理机制的复杂性,特别是在涉及安全合规要求时。通过理解systemd的tmpfiles.d机制和RPM包管理系统的交互方式,项目团队找到了一个既满足安全要求又保持系统稳定性的解决方案。这也提醒我们,在实施安全修复时,需要全面考虑系统各个组件之间的相互作用。
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
Ascend Extension for PyTorch
Python
222
238
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
暂无简介
Dart
671
156
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++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217