OpenBAS 1.13.0版本发布:注入管理与安全扫描能力全面升级
OpenBAS作为一款开源的网络安全评估与训练平台,在1.13.0版本中带来了多项重要功能更新和优化,显著提升了平台的实用性和用户体验。本次更新主要围绕注入管理流程改进、目标筛选能力增强以及安全扫描功能扩展三个方面展开。
核心功能升级
注入内容复用机制
新版本引入了注入内容的导入导出功能,用户现在可以灵活地将任何类型的注入从现有模拟场景导出,并导入到其他场景或模拟中。这一改进使得安全团队能够更高效地复用经过验证的注入内容,大幅减少了重复配置的工作量。在操作层面,系统支持对注入内容的完整打包,包括关联的文档文件,确保了迁移过程的完整性。
精准目标筛选系统
针对复杂场景下的注入管理需求,1.13.0版本新增了基于目标的注入筛选功能。安全人员现在可以通过团队、资产或资产组等多个维度快速定位特定注入,这种细粒度的筛选机制特别适合大规模演练场景,帮助用户清晰掌握各注入的影响范围。技术实现上,系统采用了优化的查询机制,确保在大数据量下仍能保持流畅的筛选体验。
安全扫描能力扩展
平台新增了Nmap扫描注入器,这是对现有安全评估工具链的重要补充。该功能允许用户直接通过OpenBAS发起网络端口扫描,并将发现的开放端口信息自动归类到专门的"发现结果"区域。这种集成化设计使得漏洞评估工作流更加顺畅,用户无需切换工具即可完成从扫描到结果分析的全过程。
技术架构优化
在底层架构方面,1.13.0版本进行了多项重要改进:
-
端点管理标准化:统一了不同执行器获取端点的逻辑,提高了系统的一致性和可维护性。特别对CrowdStrike执行器进行了针对性优化,确保其能够正确获取IP地址信息。
-
结果计算机制优化:改进了收集器结果的统计算法,解决了Tanium等执行器在资产收集时的去重问题,使数据更加准确可靠。
-
权限控制完善:调整了RBAC权限模型,确保用户能够正常访问注入输出结果,同时细化了不同角色对注入内容的操作权限。
用户体验改进
本次更新包含了多项界面和交互优化:
- 仪表板布局调整,解决了MITRE矩阵过大导致的显示问题
- 注入表单字段现在基于类型而非键值进行组织,提高了配置的直观性
- 修复了Firefox浏览器下PDF报告导出的兼容性问题
- 优化了时间显示一致性,确保各处的执行时间信息准确对齐
- 改进了批量导出功能的选择逻辑,使"全选"模式更加可靠
开发者相关更新
对于平台开发者而言,1.13.0版本引入了多项底层改进:
- 代理管理增强:支持多代理安装场景,为更复杂的部署模式奠定了基础
- 迁移追踪机制:新增了迁移状态追踪功能,便于管理数据库变更
- 性能分析工具:集成了Pyroscope性能分析工具,帮助开发者更高效地诊断性能问题
- 合约输出标准化:实现了输出合约和发现结果的标准化处理逻辑
这些改进不仅提升了平台的稳定性和性能,也为后续功能扩展提供了更好的技术基础。
OpenBAS 1.13.0版本通过上述多项更新,进一步巩固了其作为专业网络安全评估平台的地位。无论是从功能丰富度、使用便捷性还是技术可靠性来看,都代表着该项目的又一重要里程碑。对于需要进行网络安全演练和评估的团队而言,这些新特性将显著提升工作效率和演练效果。
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