Yeti平台2.3.0版本发布:RBAC与API安全增强
2025-06-26 19:21:08作者:柯茵沙
项目简介
Yeti是一个开源威胁情报平台,旨在帮助安全团队收集、分析和共享威胁情报数据。它提供了强大的数据关联能力,能够将来自不同来源的威胁指标(IoC)进行关联分析,帮助安全分析师更高效地识别和应对安全威胁。
核心更新内容
1. 基于角色的访问控制(RBAC)系统
2.3.0版本引入了全新的基于角色的访问控制系统,这是本次更新的最重要特性。RBAC的实施为Yeti平台带来了更精细化的权限管理能力:
- 细粒度权限控制:管理员现在可以为不同用户分配特定角色,精确控制其对平台功能的访问权限
- 安全边界强化:通过限制用户只能访问其职责范围内的数据和功能,降低了内部数据泄露的风险
- 合规性提升:满足企业环境中对数据访问权限的合规性要求
这一变更需要用户更新配置文件以适应新的权限模型,建议管理员在升级前仔细阅读相关文档。
2. API密钥生成机制改进
本次版本对API密钥的生成和使用方式进行了重要改进:
- 增强的安全性:采用更安全的密钥生成算法,提高了API访问的安全性
- 密钥生命周期管理:新的机制为未来实现密钥轮换和过期策略奠定了基础
- 兼容性说明:升级后所有现有API密钥将失效,需要用户重新生成新的API密钥
对于自动化集成的用户,需要提前规划好密钥更换流程,避免服务中断。
其他改进与修复
功能增强
- YARA规则错误处理优化:改进了YARA规则处理时的错误反馈机制,使分析师能够更快速准确地定位和解决规则问题
- 外部数据源支持扩展:新增了对VirusTotal(vt)字段的外部数据源支持,丰富了威胁情报的获取渠道
稳定性修复
- 图数据库容错增强:实现了对缺失邻居节点的容错处理,提高了图数据库查询的稳定性
- 配置安全性完善:通过更新允许的外部字段列表,防止了潜在的数据处理异常
升级建议
对于计划升级到2.3.0版本的用户,建议:
- 仔细阅读更新日志和迁移指南,特别是关于RBAC配置和API密钥变更的部分
- 在测试环境先行验证升级过程,确保所有自定义集成和自动化流程兼容新版本
- 为所有用户准备API密钥重新生成计划,尽量减少对生产环境的影响
- 评估现有权限结构,根据团队职责设计合理的RBAC角色分配方案
2.3.0版本标志着Yeti平台在企业级安全特性上的重要进步,特别是RBAC的引入使其更适合中大型安全团队的使用场景。这些改进不仅提升了平台的安全性,也为未来的功能扩展奠定了更坚实的基础。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210