云产品测评——安全体检

简介: 阿里云的安全体检功能,发现主账号存在MAF(多因素认证)问题,导致身份验证风险较高。通过官方文档指导,我完成了主账号的MAF验证修复,提升了账号安全性。安全体检功能优点在于操作便捷、问题分析清晰,但部分文档链接提供的解决方案不够完善。建议增加网页端MAF验证功能,进一步优化用户体验。总体而言,阿里云安全体检功能简洁高效,相较于腾讯云更具直观性,但在细节优化上仍有提升空间。

我是一位个人开发者,我平时工作涉及云资源的安全运维,我一般在个人使用完成后对使用完成后的云产品的释放以及相关的安全防护比较在意。对aliyun的云产品接触下来还是很满意的,不论是ECS服务器,还是弹性计算函数计算等产品都比较满意,近期aliyun发布的云产品安全体检,还是不错的。以下是我个人账号下的"体检“。

1、我的体检结果

顺利使用了的安全体检功能,只需要打开对应的云产品的服务链接,授权该云产品的使用,即可开始体检。
image.png

我发现自己的云上资产存在一下问题:

问题 1 :生我的体检结果是存在以一个风险,一个账号分享漏洞,存在主账号的MAF存在问题。
image.png
这说明在使用云产品的登录和验证时候没有加入MAF的绑定,无法进行身份验证,导致账号的风险较高。
基于此问题,可以采用官方给的文档链接进行解决。可以说,在步骤等方面的饿方便快捷性,以及准确性,不需要很费力的去查找相关的解决途径以及方法。
后续应该开启主账号的MAF的验证环节,通过aliyun APP进行动态验证码验证。

2、我的修复过程

针对体检问题 1,我通过增添主账号的MAF验证方式进行了修复,并通过云实验产品登录主账号,并需要验证MAF的操作,验证该问题的修复过程。
2.登录账号中心,在我的账号下选择账号安全,然后单击虚拟MFA后面的绑定。
3.验证身份,单击选择合适的方式完成身份验证。
image.png

但是,在修复过程中,修复建议并不是很明确的给予相关建议
3、体检项目点评
云产品——安全体检还是不错的,快速对云账号整体下的所有云产品进行系统性的分析和体检,从个人角度而言,这是便捷的操作的,不仅直观的展示某某云产品的存在问题,并且归纳出具体问题分析。

4、我对比腾讯云的产品以及功能发现

阿里云安全体检功能做得好的地方:页面简洁。便捷,功能清晰明了,直观的展示出产品的优点
做得不好的地方:在产品文档链接处有出处,存在有些部分链接文档给予的解决方案不佳。

此外,我还有建议在对MAF的验证时网页端也有相关的功能,因为目前只有aliyunAPP才可以使用。

目录
相关文章
|
负载均衡 应用服务中间件 API
Nginx、Kong、Apisix、Gateway网关比较
Nginx、Kong、Apisix、Gateway网关比较
6424 1
Nginx、Kong、Apisix、Gateway网关比较
|
Ubuntu 网络协议 Linux
使用云服务器第一次实现了我的泰拉瑞亚服务器
使用云服务器实现泰拉瑞亚游戏的联机功能
使用云服务器第一次实现了我的泰拉瑞亚服务器
|
12月前
|
数据采集 存储 NoSQL
Python爬虫案例:Scrapy+XPath解析当当网网页结构
Python爬虫案例:Scrapy+XPath解析当当网网页结构
|
算法 安全 网络协议
关于国密SSL常用的技术原理介绍
随着越来越多的国际通用密码算法屡屡被传出被破解、被攻击的传闻,存在较高的安全风险。此外,当前我国金融系统大多采用国外制定的加密算法,存在着大量的不可控因素,一旦被不法分子利用攻击,所产生的损失将不可估量。所以国密改造提上日程。国密SSL通信依据的协议是中国人民共和国密码行业标准《SSL VPN技术规范GM/T 0024--2014》协议(链接)。其协议流程和传统的使用RSA证书的TLS协议流程基本一致,但是过程中使用的核心算法已经全部切换到国密相关的算法实现上,为了保证通信的安全监管机构开始推动国内金融行业进行国密改造。我们和客户一起进行了多个国密项目的改造之后,这里整理了国密HTTPS 和国
2755 0
关于国密SSL常用的技术原理介绍
|
存储 JSON 安全
SpringBoot整合OAuth2
SpringBoot整合OAuth2
2698 0
SpringBoot整合OAuth2
|
存储 关系型数据库 MySQL
Spring Boot 2.x基础教程:使用PostgreSQL数据库
Spring Boot 2.x基础教程:使用PostgreSQL数据库
2949 0
Spring Boot 2.x基础教程:使用PostgreSQL数据库
|
存储 机器学习/深度学习 人工智能
基于Megatron-Core的稀疏大模型训练工具:阿里云MoE大模型最佳实践
随着大模型技术的不断发展,模型结构和参数量级快速演化。大模型技术的应用层出不穷。大模型展现惊人效果,但训练和推理成本高,一直是巨大挑战。模型稀疏化能降低计算和存储消耗。近期以Mixtral为代表的MoE(多专家混合)大模型证明了稀疏MoE技术能大幅降低计算量、提升推理速度,模型效果甚至超过同规模稠密模型。阿里云PAI和NVIDIA团队深入合作,基于Megatron-Core MoE框架,解决了MoE大模型训练落地时会遇到的可拓展性、易用性、功能性以及收敛精度等核心问题,在下游任务上取得了很好的模型效果。
|
存储
408计算机组成原理学习笔记——总线
408计算机组成原理学习笔记——总线
645 1
408计算机组成原理学习笔记——总线