ScubaGear项目深度解析:微软托管条件访问策略的技术影响分析
2025-07-05 00:46:13作者:仰钰奇
背景概述
微软近期宣布在客户租户中自动部署三项新的托管条件访问策略(Microsoft-managed Conditional Access Policies),这些策略将分阶段实施并默认启用报告模式。作为专注于Microsoft 365安全基准评估的开源工具ScubaGear,需要深入分析这些策略与现有安全基线的交互影响。
策略一:管理员访问门户的多因素认证
技术特性
该策略针对14个高权限Entra ID角色(包括全局管理员、安全管理员等),要求在访问Microsoft管理门户时执行多因素认证(MFA)。值得注意的是:
- 覆盖范围:仅限Microsoft管理门户(如Azure门户)
- MFA强度:未明确指定认证强度等级
- 实施方式:初始为报告模式,90天后自动激活
与Scuba基线的对比分析
Scuba现有策略MS.AAD.3.6v1要求对高权限角色实施钓鱼防护级MFA,且覆盖所有M365应用。技术差异主要体现在:
- 覆盖范围差异:Scuba策略涵盖更广的应用场景
- 安全强度差异:Scuba明确要求钓鱼防护级MFA
- 角色覆盖差异:微软策略包含更多特权角色(14个 vs Scuba定义的9个)
对ScubaGear的影响
工具检测逻辑不受影响,因为:
- ScubaGear的Rego代码检测的是不同的CA配置维度
- 微软策略可作为现有策略的补充层
- 功能测试验证显示所有检测用例结果一致
策略二:按用户MFA的全局覆盖
适用场景
针对特定环境配置:
- 仅适用于Entra ID P1/P2许可租户
- 安全默认策略未启用
- 存在少于500个启用按用户MFA的用户
技术影响评估
当前Scuba基线假设G3/E3以上许可环境,且优先使用条件访问策略。因此:
- 对现有基准无直接影响
- 未来若扩展支持基础版许可环境时需重新评估
策略三:高风险登录的MFA和重认证
核心机制
基于Identity Protection服务,要求:
- 对所有用户生效
- 检测到高风险登录时触发MFA和会话重认证
- 依赖P2许可和全用户MFA注册状态
与Scuba安全策略的对比
Scuba策略MS.AAD.2.3v1采取更严格的阻断措施:
- 行为差异:Scuba直接阻断高风险登录
- 防护强度:微软策略允许认证后访问,可能降低防护效果
- 实施建议:建议禁用微软策略以避免策略冲突
技术建议
- 角色管理:参考微软14角色列表完善特权角色定义
- 策略协调:确保微软策略与现有CA策略无功能重叠
- 检测优化:持续监控策略交互对安全态势的影响
- 许可规划:保持对基础版许可环境的兼容性设计
结论
微软托管策略的引入为租户安全提供了基础防护层,但企业级安全部署仍需依赖Scuba等定制化安全基准来实现更严格的访问控制。安全团队应当:
- 充分理解策略交互机制
- 建立策略优先级管理流程
- 定期验证整体安全效果
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
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
492
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
346
147