当前位置:首页 > 文章列表 > 文章 > linux > Linux 服务隔离如何检查:用安全评估命令查看暴露面并验收加固字段

Linux 服务隔离如何检查:用安全评估命令查看暴露面并验收加固字段

来源:17golang原创 2026-08-30 07:33:41 0浏览 收藏

给 Linux 服务做 systemd 加固时,最容易误判的是“配置写上了”就等于“隔离生效”。更稳妥的做法是先运行 systemd-analyze security your.service,把它给出的暴露面估计当作检查入口,再逐项确认服务是否真的能在更窄的文件系统和权限边界里工作。

要点速览

  • systemd-analyze security 评估的是 systemd 自己实现的服务级沙箱,不是完整漏洞扫描。
  • ProtectSystem=strict 会收紧文件系统写入,服务确有写入目录时再用 ReadWritePaths 放行。
  • PrivateTmp=yes 与 NoNewPrivileges=yes 分别收窄临时目录和提权路径,改动后必须重启并复查。
  • 评分变化只是线索,最终验收要结合服务状态、日志和实际读写需求。

先把 systemd-analyze security 的分数读对

在一台使用 systemd 的 Linux 主机上,先选一个不承担关键写入的测试服务,例如 demo-worker.service,执行:

sudo systemd-analyze security demo-worker.service

输出会列出多项安全相关设置,并给出一个 0.0 到 10.0 的暴露面估计。数值越低通常代表限制更强,但它只覆盖 systemd 提供的服务级安全机制;程序本身的漏洞、依赖包风险和业务鉴权并不会因为分数下降而消失。

这里先别急着追一个“漂亮分数”。先记下当前服务的写入目录、临时文件需求和是否需要切换用户,再从能解释清楚的字段开始改。这样出现启动失败时,回滚点也明确。

systemd-analyze security 从服务评估到沙箱字段检查的 Linux 运维流程插画

把检查结果变成可复查的证据

可以把结果保存到变更记录中,重点关注标记为不安全或未启用的条目:

sudo systemd-analyze security demo-worker.service | tee /tmp/demo-worker.security.txt
sudo systemctl status demo-worker.service --no-pager

systemctl status 显示服务仍为 active (running),只能证明它当前活着;它不能单独证明文件系统隔离正确。因此后面每个字段都要配一个与服务职责相关的验收动作。

用三个字段收紧服务边界

先用 drop-in 覆盖,而不是直接改发行版提供的 unit 文件:

sudo systemctl edit demo-worker.service

写入下面这组偏保守的起点:

[Service]
ProtectSystem=strict
PrivateTmp=yes
NoNewPrivileges=yes

ProtectSystem=strict 让服务看到的系统目录默认只读;PrivateTmp=yes 为服务提供独立的临时目录视图;NoNewPrivileges=yes 让进程及其子进程不能再通过执行文件获得新的特权。三个设置解决的是不同边界,不能把其中一个当成另外两个的替代品。

ProtectSystem、PrivateTmp 与 NoNewPrivileges 三个 systemd 沙箱字段的加固关系

服务需要写目录时,用 ReadWritePaths 精确放行

如果 demo-worker.service 必须写入 /var/lib/demo-worker,不要因为启动报错就撤掉 ProtectSystem=strict。在同一个 drop-in 中增加:

[Service]
ReadWritePaths=/var/lib/demo-worker

这表示只为明确的业务数据目录开放写入范围。目录不存在、权限归属错误或程序还在写其他路径时,服务仍可能启动失败;应根据日志补齐真实需求,而不是用一个过宽的根目录放行。

重载、重启,再做一次验收

保存 drop-in 后按固定顺序执行:

sudo systemctl daemon-reload
sudo systemctl restart demo-worker.service
sudo systemctl status demo-worker.service --no-pager
sudo systemd-analyze security demo-worker.service

可见成功状态包括:服务状态仍是 active (running),日志没有因只读文件系统或临时目录失败而循环重启,业务数据能写入 /var/lib/demo-worker,而系统目录写入会被限制。若启动失败,先看:

sudo journalctl -u demo-worker.service -b --no-pager -n 80

确认失败路径后,只增加一个最小的 ReadWritePaths 或修正目录权限,再重载和重启。每次只改一个边界,才能知道哪个字段产生了影响。

常见问题

systemd-analyze security 分数低就代表服务安全了吗?

不是。它主要估计 systemd 服务级沙箱暴露面,不能替代代码审计、依赖更新、网络访问控制和业务权限检查。

ProtectSystem=strict 会不会让所有服务都无法运行?

不一定。只读约束是否冲突取决于服务真实写入路径。对确需写入的目录,应使用 ReadWritePaths 做窄范围放行并检查目录权限。

修改 unit 文件后为什么配置没有变化?

drop-in 保存后需要执行 systemctl daemon-reload,服务本身还需要重启才能让新的进程获得这些设置。

把评分当作起点,而不是结论

一轮合格的 systemd 加固至少留下三类证据:修改前后的安全检查结果、服务重启后的运行状态,以及关键业务目录和受保护目录的读写验证。这样即使分数没有明显下降,也能判断限制是否贴合服务职责;如果业务行为变了,也能从 drop-in 里快速回退单个字段。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Linux mountpoint 如何确认目录是否真的挂载:挂载点误判、findmnt 输出与排障复核Linux mountpoint 如何确认目录是否真的挂载:挂载点误判、findmnt 输出与排障复核
上一篇
Linux mountpoint 如何确认目录是否真的挂载:挂载点误判、findmnt 输出与排障复核
Popover API 如何实现点击外部关闭:popover、beforetoggle 与无障碍焦点验收
下一篇
Popover API 如何实现点击外部关闭:popover、beforetoggle 与无障碍焦点验收
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    467次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    530次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    549次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    498次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    317次使用