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。
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-7BSpark-Prover-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-7BSpark-Formalizer-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).Dockerfile014
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