Microsoft365DSC中AADConditionalAccessPolicy资源迁移MFA策略的技术解析
2025-07-08 07:47:09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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
暂无描述
Dockerfile
775
5.07 K
Ascend Extension for PyTorch
Python
756
960
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430