ZAP扩展项目graphql-v0.26.0版本发布:增强GraphQL安全检测能力
ZAP(Zed Attack Proxy)是一款广受欢迎的开源Web应用安全测试工具,其强大的扩展机制允许开发者为其添加各种功能模块。本次发布的graphql-v0.26.0版本是ZAP扩展项目中专注于GraphQL安全检测的重要更新,为安全研究人员和开发者提供了更全面的GraphQL API安全检测能力。
GraphQL作为一种现代化的API查询语言,近年来在Web开发中越来越流行。与传统REST API不同,GraphQL允许客户端精确指定需要的数据字段,这种灵活性也带来了新的安全挑战。ZAP的GraphQL扩展正是为了帮助开发者识别和解决这些安全问题而设计。
核心功能改进
本次0.26.0版本带来了多项重要改进,首先是提升了最低支持的ZAP版本要求至2.16.0。这一变化确保了扩展能够充分利用ZAP核心的最新功能和安全修复。同时,该版本也更新了对Common Library add-on的依赖版本,解决了Issue 8016中提出的兼容性问题。
在功能增强方面,最值得关注的是新增了对多种GraphQL引擎的指纹识别能力。安全研究人员现在可以检测以下GraphQL实现:
- pg_graphql(PostgreSQL的GraphQL扩展)
- tailcall(高性能GraphQL服务器)
- Hot Chocolate(.NET平台的GraphQL服务器)
- Inigo(企业级GraphQL网关)
这些指纹识别能力的加入大大扩展了工具的应用场景,使得针对不同技术栈的GraphQL实现都能进行有效检测。
实用新特性
0.26.0版本引入了一个非常实用的功能:支持从文件导入introspection查询响应(Issue 8569)。Introspection是GraphQL的一项重要特性,允许客户端查询API的模式信息。通过从文件导入这些信息,安全测试可以在不直接向生产环境发送查询的情况下进行,这在对敏感系统进行安全评估时特别有价值。
另一个值得注意的改进是与Tech Detection(Wappalyzer)add-on的集成。当检测到GraphQL引擎时,相关信息会自动添加到Technology标签页中。这一集成使得技术栈分析更加全面,帮助安全团队更清晰地了解目标系统的技术构成。
维护与优化
除了上述功能增强外,本次发布还包含了一系列维护性更新,包括代码优化和内部改进。这些变更虽然对终端用户不可见,但有助于提高扩展的稳定性和性能,为未来的功能扩展奠定基础。
对于安全研究人员和开发者而言,graphql-v0.26.0版本的发布意味着更强大的GraphQL安全检测工具。无论是进行常规安全审计还是针对特定GraphQL实现的深入分析,这个扩展都提供了必要的功能支持。随着GraphQL技术的普及,这类专门的安全工具将变得越来越重要。
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-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