External Secrets项目v0.17.1-rc1版本发布:增强安全性与功能优化
External Secrets是一个开源项目,它作为Kubernetes原生的解决方案,帮助用户安全地管理外部秘密存储系统中的敏感信息。该项目通过自定义资源定义(CRD)的方式,将各种外部秘密管理系统(如AWS Secrets Manager、HashiCorp Vault等)与Kubernetes集群集成,实现秘密的自动同步和管理。
本次发布的v0.17.1-rc1版本带来了多项功能增强和问题修复,主要包括MFA令牌生成器的引入、JSON路径模板支持改进、Delinea SecretServer非JSON秘密支持等关键特性。下面我们将详细解析这些更新内容。
MFA令牌生成器功能
新版本中引入了一个重要的安全功能——MFA(多因素认证)令牌生成器。这个功能允许用户在Kubernetes集群内直接生成基于时间的OTP(一次性密码)令牌,这对于需要多因素认证的场景特别有用。
技术实现上,该生成器支持:
- 可配置的令牌长度(默认6位)
- 基于时间的一次性密码算法(TOTP)
- 灵活的密钥管理方式
值得注意的是,开发团队在后续修复中发现并解决了初始实现中令牌长度过长的问题,使其更加符合实际应用场景的需求。
数据提取与模板功能增强
本次更新对数据提取功能进行了重要改进:
-
JSON路径模板支持:现在可以在dataFrom调用中对result.jsonpath进行模板化处理,这大大提高了从复杂数据结构中提取特定字段的灵活性。
-
Delinea SecretServer非JSON支持:修复了从Delinea SecretServer获取非JSON格式秘密时的问题,扩展了该集成的适用范围。
-
分隔符设置优化:修复了未使用的分隔符设置问题,确保秘密解析的一致性。
控制器与状态管理改进
在控制器层面,本次更新包含以下优化:
- 修复了生成器状态控制器可能尝试两次删除操作的问题,提高了资源管理的可靠性。
- 改进了生成器状态处理逻辑,确保操作幂等性。
安全与合规性增强
安全方面,新版本做出了多项改进:
-
Docker镜像标签:为所有Docker镜像添加了标准的元数据标签,便于安全扫描和合规检查。
-
依赖更新:升级了多个关键依赖项,包括:
- mkdocs-material文档工具
- 安全扫描工具fossa-action
- 代码质量工具codeql-action
- 基础镜像distroless/static
-
SBOM支持:继续完善软件物料清单(SBOM)的生成,提供更透明的供应链安全信息。
文档与用户体验
文档方面也进行了相应更新:
- 修复了弃用政策说明中的格式问题
- 更新了相关功能的说明文档
总结
External Secrets v0.17.1-rc1版本在安全性、功能完善度和稳定性方面都有显著提升。特别是MFA令牌生成器的引入,为需要强认证的场景提供了原生支持。同时,对数据提取和模板功能的改进,使得从各种秘密管理系统获取和处理数据更加灵活可靠。
对于正在使用或考虑采用External Secrets的用户,建议关注这个候选版本,并在测试环境中验证新功能。这些改进将帮助团队更安全、更高效地管理Kubernetes环境中的敏感信息。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00