Android GKI内核5.15中的No New Privileges机制解析
2025-06-19 22:29:53作者:庞眉杨Will
什么是No New Privileges机制
No New Privileges(简称NNP)是Linux内核提供的一种安全机制,它能够防止进程通过execve系统调用获得新的权限。在Android GKI内核5.15版本中,这一机制得到了良好的支持和应用。
为什么需要NNP机制
在传统Linux系统中,execve系统调用可能会赋予新启动的程序其父进程所没有的权限。典型的例子包括:
- setuid/setgid程序:普通用户执行这些程序时会临时获得root或其他用户权限
- 文件能力(file capabilities):可执行文件本身可以携带特殊权限
这些特性虽然有用,但也带来了安全隐患。恶意程序可能利用这些机制进行权限提升攻击。NNP机制就是为了解决这一问题而设计的。
NNP的工作原理
NNP通过一个进程标志位来实现,一旦设置,它将:
- 在fork、clone和execve时被子进程继承
- 设置后无法取消
- 确保execve不会授予任何额外的权限
具体来说,当NNP标志设置后:
- setuid和setgid位不再改变uid或gid
- 文件能力不会添加到允许的能力集中
- Linux安全模块(LSM)不会在execve后放松约束
如何使用NNP
在代码中设置NNP标志非常简单:
prctl(PR_SET_NO_NEW_PRIVS, 1, 0, 0, 0);
但需要注意,某些Linux安全模块(LSM)在NNP模式下可能也不会在exec时加强约束。这意味着如果一个通用的服务启动器设置了NNP再执行守护进程,可能会干扰基于LSM的沙箱机制。
NNP的典型应用场景
在Android GKI内核5.15中,NNP主要有两大用途:
-
Seccomp过滤器:Seccomp模式2的沙箱过滤器在execve后仍然有效,可以改变新执行程序的行为。只有设置了NNP的非特权用户才被允许安装此类过滤器。
-
减少攻击面:通过为特定uid的所有进程设置NNP,可以防止该uid通过攻击setuid、setgid和使用文件能力的二进制文件来提升权限。攻击者必须先攻破没有设置NNP的进程。
NNP的局限性
需要明确的是,NNP并不能防止所有类型的权限变更:
- 它只影响execve相关的权限变更
- 适当特权的任务仍然可以调用setuid(2)
- 进程仍然可以接收SCM_RIGHTS数据报
未来可能的扩展
在未来,NNP可能会解锁更多对非特权任务安全的内核特性:
- unshare(2)和clone(2)的某些选项在NNP设置后可能变得安全
- NNP+chroot组合比单独的chroot危险性小得多
实际应用建议
在Android开发中,特别是涉及安全敏感的操作时,建议:
- 在执行不可信代码前设置NNP标志
- 结合seccomp使用可以提供更强的安全保证
- 注意NNP与现有LSM策略的交互影响
通过合理使用NNP机制,可以显著增强Android系统的安全性,防止多种类型的权限提升攻击。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust074- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00
项目优选
收起
暂无描述
Dockerfile
689
4.46 K
Ascend Extension for PyTorch
Python
544
668
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++
955
928
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
415
74
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
407
323
昇腾LLM分布式训练框架
Python
146
172
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
650
232
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.08 K
564
🎉 (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
1.59 K
925
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
642
292