Microsoft365DSC中AADConditionalAccessPolicy资源迁移MFA策略的技术解析
2025-07-08 23:59:23作者:董灵辛Dennis
背景概述
在Azure AD(现称Entra ID)的现代化身份验证管理中,微软逐步将传统的多因素认证(MFA)控制方式迁移到更灵活的Authentication Strength策略。Microsoft365DSC作为自动化配置管理工具,其AADConditionalAccessPolicy资源在此迁移过程中可能遇到策略更新冲突问题。
问题本质
当管理员尝试通过Microsoft365DSC将现有的条件访问策略从传统MFA控制方式(builtInControls: ['mfa'])升级为Authentication Strength模式时,系统会返回错误代码"1108: Authentication strengths cannot be used alongside the MFA built-in control"。其根本原因在于:
- 请求构造缺陷:DSC资源在生成Graph API请求时,虽然显式指定了
BuiltInControls = @()空数组,但该参数未被包含在实际API调用中 - 策略冲突检测:Azure AD后端服务会强制校验新旧控制方式的互斥性,要求必须先完全移除旧式MFA控制才能启用新式认证强度策略
 
技术细节分析
当前行为表现
现有DSC资源配置示例:
{
    DisplayName = 'MFA TEST'
    State = 'enabled'
    ClientAppTypes = @('All')
    IncludeApplications = @('All')
    IncludeGroups = @('Azure-MFA')
    AuthenticationStrength = 'Multifactor authentication'
    BuiltInControls = @()  # 显式声明空数组
    GrantControlOperator = 'OR'
}
实际生成的Graph API请求缺失关键字段:
{
    "grantControls": {
        "authenticationStrength": {
            "id": "00000000-0000-0000-0000-000000000002"
        },
        "operator": "OR"
    }
    // 缺少 builtInControls: [] 声明
}
预期正确行为
合规的API请求应包含显式的空数组声明:
{
    "grantControls": {
        "authenticationStrength": {...},
        "builtInControls": [],  // 必须显式声明
        "operator": "OR"
    }
}
临时解决方案
目前推荐的变通方案是采用两阶段操作:
- 完全删除旧策略:先通过DSC或手动方式移除使用传统MFA控制的条件访问策略
 - 创建新策略:重新部署配置为Authentication Strength的新策略
 
示例操作流程:
# 阶段1:移除旧策略
Remove-AADConditionalAccessPolicy -Identity "Legacy_MFA_Policy"
# 阶段2:创建新策略
New-AADConditionalAccessPolicy @{
    DisplayName = "Modern_MFA_Policy"
    AuthenticationStrength = "Multifactor authentication"
    BuiltInControls = @()  # 显式声明
    # 其他必要参数...
}
最佳实践建议
- 测试环境验证:在非生产环境先验证策略迁移过程
 - 配置导出检查:使用
Export-M365DSCConfiguration导出现有策略时,确认所有参数(包括空值参数)都被正确包含 - 变更时间窗口:规划维护时段执行迁移,避免影响用户认证体验
 - 监控验证:迁移后通过Azure AD登录日志验证策略生效情况
 
未来优化方向
该问题本质上是DSC资源与Graph API交互逻辑的缺陷,理想修复方案应包括:
- 请求构造优化:确保空数组参数不被过滤
 - 迁移流程增强:实现自动化的策略转换逻辑
 - 错误处理改进:提供更明确的错误指引和修复建议
 
建议持续关注Microsoft365DSC的版本更新,该问题预计会在后续版本中得到官方修复。对于关键业务系统,建议通过微软支持渠道获取官方解决方案时间表。
登录后查看全文 
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
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
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-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
 
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
278
2.57 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
222
302
Ascend Extension for PyTorch
Python
105
133
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++
599
161
暂无简介
Dart
568
126
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
250
14
🎉 (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
1.03 K
607
仓颉编译器源码及 cjdb 调试工具。
C++
118
103
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
1.02 K
446