Mastodon v4.1.25版本发布:关键安全修复与功能优化
Mastodon是一个开源的分布式社交媒体平台,采用ActivityPub协议实现不同实例间的互联互通。作为Twitter的替代方案,Mastodon以其去中心化的架构和用户自治的特点获得了广泛关注。
版本概述
Mastodon v4.1.25是该开源社交网络平台的一个重要维护版本,主要包含以下关键更新:
-
安全提示:该版本特别提醒用户,4.1.x分支将在2025年4月8日后停止接收任何更新,包括安全补丁。这意味着运行此版本的用户需要尽快升级到更高版本以保持系统安全。
-
SAML认证问题:对于使用SAML进行外部认证的实例,存在一个已知的安全问题。开发团队强烈建议这些用户升级到Mastodon 4.2或4.3版本。
主要更新内容
新增功能
- 部分集合分页支持:在
SynchronizeFollowersService中新增了对部分集合分页的支持。这项改进使得在处理大量关注者同步时,系统能够更高效地管理资源,特别是在处理大型实例间的关注关系同步时表现更为出色。
修复问题
- 缓存清除URL错误:修复了在使用缓存清除功能时使用错误URL的问题。这个修复确保了缓存机制能够正常工作,提高了系统的整体性能和用户体验。
升级指南
升级前准备
-
备份数据库:在进行任何升级操作前,务必对数据库进行完整备份。对于使用docker-compose的用户,可以通过特定命令完成备份。
-
环境检查:确认系统满足以下依赖要求:
- Ruby: 3.0或更高版本
- PostgreSQL: 9.5或更新版本
- Elasticsearch(可选): 7.x版本
- Redis: 4或更新版本
- Node: 14.x至18.x之间
- ImageMagick: 6.9.7-7或更新版本
升级步骤
-
获取代码:使用Git命令获取v4.1.25版本的代码。
-
非Docker环境:需要执行
bundle install命令安装依赖。 -
所有环境:最后需要重启所有Mastodon进程以完成升级。
技术细节与最佳实践
-
IP地址验证机制:自v4.1.18版本起,Mastodon实施了更严格的客户端IP地址验证机制。如果反向代理不在Mastodon的本地网络中,需要正确配置
TRUSTED_PROXY_IP参数,列出所有可信反向代理的IP地址。 -
版本生命周期管理:开发团队明确表示4.1.x分支即将结束支持周期,这符合现代软件开发的版本管理策略。建议管理员制定计划,尽快迁移到受支持的版本。
-
依赖管理:值得注意的是,从v4.1.14版本开始,Mastodon要求最低Ruby版本为3.0,这反映了项目对现代编程语言特性的依赖。
总结
Mastodon v4.1.25虽然是一个维护版本,但包含了重要的安全提示和功能改进。对于仍然运行4.1.x分支的实例管理员来说,这可能是最后一个接收更新的版本,因此需要特别关注升级计划。同时,对于使用SAML认证的用户,应立即评估安全风险并考虑升级到更高版本。
作为分布式社交网络的关键组件,Mastodon的持续更新展现了开源社区对安全性和稳定性的承诺。系统管理员应当遵循最佳实践,定期更新实例以确保用户数据安全和系统稳定运行。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C030
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