ScubaGear项目中Defender安全策略功能测试实践
背景与目标
在Flipper版本发布过程中,ScubaGear工具对多个Rego评估组件进行了重构。为确保工具更新的准确性,团队计划对Defender产品的各项安全策略进行全面功能测试。测试的主要目标是验证ScubaGear工具能够正确处理所有可能的配置场景,准确输出合规/不合规的评估结果。
测试方法与实施
测试团队采用了自动化测试方案,针对不同类型的租户环境执行了详细的测试计划。测试过程中重点关注以下几个方面:
-
多租户环境覆盖:测试覆盖了G3、E5、G5以及GCCHigh等多种租户类型,确保工具在不同环境下的表现一致性。
-
变体测试计划执行:针对每种租户类型,不仅执行了基础测试计划,还运行了特定的变体测试计划(如G5变体),以验证特殊配置场景下的工具表现。
-
结果分析与问题排查:对测试失败案例进行深入分析,确定失败原因并记录需要解决的问题。
测试发现与解决方案
测试过程中发现的主要问题集中在MS.DEFENDER.1.1v1策略的非合规测试用例上。具体表现为:
-
GCCHigh租户环境下的问题:在G5变体测试中,1.1策略出现不合规结果。经调查发现这是由于测试执行本身的问题,而非评估结果错误。
-
测试时序问题:分析表明,问题源于对EOP和ATP策略的快速启用/禁用操作。这些操作用于确定预设安全策略的状态,但快速测试可能导致状态判断不准确。
针对这些问题,团队提出了以下改进方向:
- 在测试命令中添加适当的延迟
- 修改检查逻辑,使用不同的状态判断点
- 优化测试流程以适应快速测试场景
测试结论与后续工作
总体而言,Defender产品的功能测试达到了预期目标。测试验证了ScubaGear工具在大多数场景下能够准确评估Defender策略的合规状态。对于发现的测试执行问题,团队已记录为单独的工作项(#860),将在后续版本中优化解决。
技术建议
对于企业安全团队使用ScubaGear工具进行Defender策略评估时,建议:
- 在复杂租户环境下,给予评估工具足够的执行时间
- 对于关键策略评估结果,可进行二次验证
- 关注工具更新日志,及时获取最新的评估逻辑改进
通过持续的功能测试和优化,ScubaGear工具将为企业安全合规评估提供更加可靠的支持。
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