ComplianceAsCode项目中RHEL 10密码哈希算法配置问题的技术解析
背景与问题现象
在ComplianceAsCode项目的日常产品化测试中,发现针对RHEL 10系统的多个安全基准测试用例出现失败。这些测试用例主要涉及set_password_hashing_algorithm_systemauth规则,该规则在ANSSI High和ISM_O安全配置文件中被调用。测试失败表明系统未能正确检测到预期的密码哈希算法配置。
技术分析
-
规则作用机制
该安全规则用于验证系统是否使用强密码哈希算法(如sha512)进行用户认证。它通过检查/etc/pam.d/system-auth文件中的配置来实现,传统上会查找包含sha512等算法的PAM模块配置行。 -
RHEL 10的变更
Red Hat Enterprise Linux 10默认采用了新的yescrypt密码哈希算法替代之前的sha512。这是密码学领域的进步,yescrypt提供了更好的安全性,但导致了基于旧算法检测的安全规则失效。 -
影响范围
该问题影响所有依赖默认密码哈希算法检测的安全配置方案,特别是:
- 主机操作系统加固检查
- 镜像构建验证
- Kickstart安装验证
- OpenSCAP扫描
解决方案建议
-
规则更新
需要修改OVAL检测逻辑,使其能够识别新的yescrypt算法作为合规配置。同时应考虑向后兼容,支持检测sha512配置(某些系统可能手动改回旧算法)。 -
多算法支持
最佳实践是使安全规则支持多种合规的密码哈希算法(如sha512、yescrypt等),通过变量或参数化方式实现灵活配置。 -
文档更新
应同步更新相关安全基线的文档说明,明确RHEL 10及后续版本中密码哈希算法的合规要求变化。
实施注意事项
- 测试时需要覆盖不同RHEL版本(特别是RHEL 9到10的过渡)
- 考虑企业环境中可能存在的自定义PAM配置
- 确保修改后的规则不会产生误报(false positive)
总结
此问题反映了操作系统安全机制演进与安全合规自动化之间的协调挑战。作为安全基线维护者,需要持续跟踪底层系统的安全改进,及时调整检测逻辑,既保障系统安全又不阻碍技术进步。对于RHEL 10用户,建议在等待规则更新的同时,确认系统确实使用了适当的密码哈希算法(如yescrypt),这本身已满足安全要求的核心目标。
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