FreshRSS 1.26.2 版本发布:安全加固与功能优化
FreshRSS 是一个开源的、自托管的 RSS 阅读器,它允许用户订阅和管理各种新闻源和博客。作为一个轻量级但功能强大的解决方案,FreshRSS 提供了丰富的自定义选项和扩展功能,适合个人用户和小型团队使用。
安全增强:多项安全修复
本次 1.26.2 版本主要聚焦于安全性改进,修复了多个已发现的问题:
-
HTML注入防护:新增了对特定HTML标签的限制,防止潜在的跨站脚本攻击(XSS)。同时禁止了可能被滥用的HTML元素。
-
图标安全机制:改进了favicon哈希生成算法,防止图标污染攻击。现在还会为图标文件添加
Content-Security-PolicyHTTP头,进一步增强安全性。 -
HTTP安全策略:在Web抓取功能中禁止了安全相关的HTTP头通过cURL传输,防止潜在的请求伪造。同时新增了
Referrer-Policy: same-origin等HTTP头,限制引用来源。 -
会话管理:将注销操作改为使用HTTP POST方法,减少CSRF攻击风险。
-
扩展安全:修复了扩展系统中可能存在的路径遍历问题,确保用户文件的安全访问。
核心功能改进
-
JSON处理增强:
- 新增了JSON字符串连接操作符(&),使JSON数据处理更加灵活
- 在HTML+XPath+JSON模式下支持多个JSON片段(如JSON-LD),提升了内容解析能力
-
SimplePie库更新:
- 修复了对带有XML前言和DTD的feed的支持问题
- 合并了上游SimplePie库的最新修复
-
命令行工具改进:修正了布尔标志参数的解析逻辑,使CLI工具更加可靠
用户体验优化
-
界面改进:
- 新增了"标记为已读"按钮的大小选项
- 改善了下拉菜单的焦点样式,提升可访问性
- 更新了前端加密库bcrypt.js到3.0.2版本
-
API修正:修复了标签中包含斜杠时的API处理问题
-
国际化:对法语、意大利语、波兰语和土耳其语的翻译进行了改进
技术细节与开发者相关
-
扩展系统:
- 新增了JavaScript事件来检测上下文加载
- 改进了异常处理机制
- 修复了符号链接扩展的文件服务问题
-
部署相关:Apache配置中增加了对mod_filter模块的检查,确保输出过滤器正常工作
-
代码质量:进行了多项PHP代码优化和重构,提升了代码质量和可维护性
-
开发依赖:更新了多个开发依赖包到最新版本
升级注意事项
-
升级后,系统会自动重建所有favicon图标。用户可能需要刷新浏览器缓存才能看到更新后的图标。
-
对于扩展开发者,需要注意新的安全限制,特别是文件访问路径方面的变化。
FreshRSS 1.26.2版本通过全面的安全加固和多项功能改进,为用户提供了更加安全可靠的使用体验。无论是个人用户还是系统管理员,都建议尽快升级到这个版本,以获得最佳的安全性和功能性。
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