推荐使用Uber的SSH证书PAM模块:pam-ussh

推荐使用Uber的SSH证书PAM模块:pam-ussh

pam-usshuber's ssh certificate pam module项目地址:https://gitcode.com/gh_mirrors/pa/pam-ussh

项目介绍

Uber的pam-ussh是一个PAM(可插拔身份验证模块)扩展,用于基于SSH证书进行用户认证。该模块特别适用于在使用sudo时提供额外的安全层,确保只有持有特定SSH证书的用户才能执行授权操作。这个开源项目不仅适用于Linux,还可在OSX系统中运行。

项目技术分析

pam-ussh的核心是通过检查用户的SSH证书,这些证书由指定的SSH证书颁发机构(CA)签名。它与用户的ssh-agent协同工作,以验证他们是否拥有有效的证书。项目使用Go语言编写,并编译为C共享库,以便与PAM框架集成。此外,配置选项允许您指定信任的CA文件路径、要求的认证主体以及所需的用户组,从而实现灵活的权限控制。

项目及技术应用场景

  • 安全的sudo访问:pam-ussh可以确保只有拥有正确证书和/或特定认证主体的用户才能使用sudo命令。
  • 远程服务器管理:在SSH登录后,通过该模块对进一步需要认证的命令进行二次验证,提升远程服务器的安全性。
  • 多因素认证增强:结合SSH密钥和证书,创建一个更强大且多维度的身份验证流程。

项目特点

  • 跨平台支持:pam-ussh兼容Linux和OSX操作系统。
  • 简单构建:只需克隆仓库并运行make即可完成编译。
  • 灵活配置:允许设置CA文件、认证主体列表、用户组等,以定制安全策略。
  • 安全保证:Uber维护该项目,并设有HackerOne的bug bounty计划来处理潜在的安全问题。

要开始使用pam-ussh,首先将模块放置在系统的PAM模块目录下,然后在如/etc/pam.d/sudo这样的配置文件中添加模块。通过环境变量SSH_AUTH_SOCK确保证书可用,并按照需求调整配置选项以满足您的安全需求。

更多关于SSH证书的信息,可参考OpenBSD的协议文档Habets博客的相关教程

总之,pam-ussh为提高系统安全性提供了有力工具,尤其适合那些寻求增强身份验证机制的开发者和系统管理员。无论是为了强化现有的认证流程,还是为了引入新的安全措施,这个开源项目都值得尝试。

pam-usshuber's ssh certificate pam module项目地址:https://gitcode.com/gh_mirrors/pa/pam-ussh

  • 5
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

蒋素萍Marilyn

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值