CAPA项目v9.1.0版本发布:动态分析能力增强与规则更新
CAPA是一款由Mandiant开发的恶意软件分析工具,它能够自动识别恶意软件中的各种功能和行为模式。通过静态和动态分析技术,CAPA可以帮助安全研究人员快速理解恶意软件的潜在威胁和功能特性。
近日,CAPA项目发布了v9.1.0版本,这个版本主要针对动态分析功能进行了多项改进,并更新了规则包。让我们来看看这个版本带来的重要变化。
动态分析验证优化
在v9.1.0版本中,开发团队对CAPE(一种恶意软件分析系统)字段的验证逻辑进行了优化。现在,CAPA只会解析分析所必需的CAPE字段,而不是对所有字段进行严格验证。这一改进使得CAPA能够更好地兼容不同版本的CAPE分析结果,提高了工具的灵活性和适应性。
同时,团队还修复了虚拟机监控器ID和进程操作系统匹配的问题,确保动态分析时只验证必要的匹配条件。这些改进使得动态分析过程更加稳定可靠。
规则包重要更新
本次更新引入了三条新规则,进一步增强了CAPA的检测能力:
-
注册表时间戳修改检测:能够识别恶意软件修改注册表键时间戳的行为,这是某些恶意软件用来隐藏其活动痕迹的常见技术。
-
互斥量检查与进程终止检测:新增了对恶意软件检查特定互斥量并终止进程行为的检测能力。这种技术常被恶意软件用来确保系统中只有一个实例运行,或者用来终止安全软件进程。
-
远程Windows事件日志清除检测:可以识别恶意软件远程清除Windows事件日志的行为,这是攻击者常用的反取证手段之一。
此外,许多现有的动态规则现在能更好地利用"调用范围"(span of calls)特性,这使得规则匹配更加精确,减少了误报的可能性。
渲染与匹配逻辑改进
v9.1.0版本还包含了一些重要的渲染和匹配逻辑修复:
- 现在即使没有关联规则,CAPA也能正确渲染结果文档,提高了工具的稳定性。
- 修复了线程内匹配假设的问题,现在不会假设之前的匹配一定存在于当前线程中,这使得分析结果更加准确可靠。
总结
CAPA v9.1.0版本通过优化动态分析验证、新增检测规则和改进匹配逻辑,进一步提升了恶意软件分析的准确性和效率。这些改进使得安全研究人员能够更有效地识别和分析恶意软件的各种行为特征,特别是在处理复杂的反分析和反取证技术时表现更加出色。
对于恶意软件分析人员来说,及时更新到最新版本的CAPA将有助于提高分析工作的质量和效率。新加入的检测规则特别关注了注册表操作、进程控制和日志清除等关键恶意行为,这些都是现代恶意软件常用的技术手段。
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