Android GKI内核5.15中的No New Privileges机制解析
2025-06-19 10:52:18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
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
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
1.03 K
480
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
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210