Velociraptor项目安全更新:修复JWT库重要问题(CVE-2025-30204)
Velociraptor作为一款先进的数字取证和事件响应(DFIR)平台,其安全性的维护至关重要。近期项目团队针对第三方依赖库中的重要问题进行了快速响应,发布了包含安全修复的新版本。
在常规安全扫描中,Trivy工具检测到项目使用的golang JWT库存在编号为CVE-2025-30204的安全问题。该问题涉及JWT(JSON Web Tokens)处理过程中的安全性考虑,可能导致身份验证机制出现异常或令牌验证不严格等风险。JWT作为现代认证体系的核心组件,其安全性直接关系到整个系统的信任基础。
开发团队在收到问题报告后迅速响应,确认主分支(master)已经升级到修复后的jwt库版本4.5.2。为保障用户安全,项目维护者在短时间内完成了两个版本的发布工作:
- 稳定分支更新:发布0.73.5版本
- 功能分支更新:发布0.74.1版本
值得注意的是,在版本发布机制上,Velociraptor采用了标签(tag)与发布(release)分离的策略。虽然创建了v0.74.1的Git标签,但对应的Github Release仍显示为v0.74版本。这种设计是项目团队的刻意安排——标签标记的是代码构建时的具体提交点,而发布页面则用于分发编译后的二进制文件。这种分离机制为项目提供了更灵活的版本管理能力,既保证了构建的可追溯性,又简化了最终用户的获取流程。
对于使用Velociraptor的企业和安全团队,建议立即检查当前部署版本,并尽快升级到包含修复的0.73.5或0.74.1版本。在安全运维实践中,及时更新依赖组件是防范已知问题最有效的措施之一。特别是对于Velociraptor这类安全关键型系统,保持组件最新能有效降低潜在风险。
此次事件也体现了开源社区协作的安全价值:自动化安全工具的早期检测、开发者的快速响应、透明的问题跟踪机制,共同构成了现代软件供应链安全的重要保障。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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