OpenBAS 1.14.0 版本发布:增强代理权限与完善文档体系
OpenBAS 是一个开源的网络安全测试平台,旨在帮助安全团队进行实战化演练和红蓝对抗训练。该平台提供了丰富的注入器、执行器和代理功能,能够模拟各种攻击场景,评估企业安全防御体系的健壮性。最新发布的 1.14.0 版本带来了多项重要改进,特别是在代理权限管理和文档完善方面。
代理权限管理升级
本次版本最显著的改进之一是代理权限管理机制的增强。现在用户可以灵活选择代理的安装方式:
-
多用户代理支持:可以在同一终端上安装多个代理实例,每个实例可以配置不同的用户权限。这一改进使得测试场景更加灵活,能够模拟不同权限级别的攻击行为。
-
权限级别选择:用户可以选择以系统账户或会话用户身份运行代理。系统账户模式保留了原有的高权限执行能力,而会话用户模式则更适合模拟普通用户权限下的攻击场景。
-
安装流程优化:新的安装向导提供了清晰的步骤指引,即使是初次使用的用户也能轻松完成代理部署。安装过程中会明确提示当前选择的权限级别,避免配置错误。
这一改进使得安全测试更加贴近真实攻击场景,红队可以更精确地模拟攻击者从初始入侵到权限提升的全过程。
文档体系全面升级
开发团队投入大量精力重构和完善了文档体系,重点包括:
-
代理安装指南:详细说明了各种安装场景下的配置方法,包括单用户和多用户模式的选择与切换。
-
Nmap注入器使用:完整记录了资产发现模块的操作流程,帮助用户快速掌握网络探测功能。
-
资产发现功能:新增了关于自动化漏洞扫描和资产管理的详细说明。
-
注入模板导入导出:提供了标准化模板的交换方法,方便团队间共享测试用例。
-
遥测数据说明:透明公开了数据收集的范围和用途,消除用户隐私顾虑。
这些文档不仅包含操作步骤,还提供了最佳实践和常见问题解答,大幅降低了平台的学习曲线。
其他重要改进
-
遥测功能引入:新增了匿名化的使用数据收集,仅包含实例数量、用户规模等宏观指标,不涉及任何业务数据或个人隐私。管理员可以通过配置灵活控制数据上报。
-
资产组期望管理:统一了资产组和团队的期望值管理逻辑,使测试结果评估更加一致。
-
多语言支持增强:优化了国际化框架,为后续多语言版本打下基础。
-
稳定性提升:修复了包括注入状态显示异常、菜单排序问题、端点视图显示异常等在内的十余个缺陷。
技术实现亮点
-
数据库优化:为标签关联表添加了外键约束,提高了数据完整性。
-
进程监控增强:为Caldera植入体添加了父进程名称检测签名,提高了对抗模拟的准确性。
-
并发控制:通过注入ID锁定机制避免了植入回调的线程冲突问题。
-
前端体验优化:统一了各种表单的主题样式,修复了组织字段的显示异常问题。
OpenBAS 1.14.0 通过上述改进,进一步强化了其作为专业网络安全测试平台的能力。特别是代理权限管理的灵活性提升,使得红蓝对抗演练能够覆盖更全面的攻击场景。完善的文档体系也使得平台更易于在企业环境中推广使用。对于需要进行实战化安全测试的团队来说,这个版本值得升级体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。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Python00
HunyuanVideo-1.5暂无简介00
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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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