secureCodeBox v4.14.0 版本发布:安全扫描与自动化增强
secureCodeBox 是一个开源的自动化安全测试平台,它通过Kubernetes原生方式运行各种安全扫描工具,并将结果标准化处理。该项目可以帮助开发团队将安全测试无缝集成到CI/CD流程中,实现DevSecOps的自动化实践。
核心功能增强
本次发布的v4.14.0版本在多个方面进行了重要改进,其中最显著的是扫描元数据功能的引入。现在,所有发现的安全问题(Findings)都会自动关联到产生它们的扫描(Scan)元数据。这一改进使得安全团队能够更清晰地追踪每个安全问题的来源,包括扫描时间、扫描配置等关键信息,显著提升了安全审计和问题追溯的效率。
安全扫描器升级
v4.14.0版本对多个内置安全扫描器进行了版本升级,确保用户能够使用最新的漏洞检测能力:
- Gitleaks从8.23.3升级到8.24.0,增强了代码泄露检测能力
- Semgrep从1.106.0升级到1.113.0,提供了更多安全规则和改进的代码分析能力
- Trivy从0.59.0升级到0.60.0,容器和依赖漏洞扫描能力得到提升
- WPScan从3.8.27升级到3.8.28,WordPress安全扫描更加精准
这些升级使得secureCodeBox能够检测到更多新型漏洞和安全问题,保持与安全威胁的同步演进。
缺陷修复与稳定性提升
本次版本修复了多个影响用户体验的问题:
- 修复了http-webhook图表配置问题,确保webhook功能正常工作
- 移除了Vagrant相关配置,简化了部署流程
- 改进了扫描状态更新时的冲突处理机制,增加了重试逻辑
- 修复了容器自动发现功能的日志输出,使其更加清晰易懂
- 允许为所有Trivy组件配置imagePullSecret,增强了私有仓库支持
这些改进显著提升了平台的稳定性和可靠性,特别是在大规模自动化扫描场景下的表现。
持久化与集成改进
DefectDojo持久化提供程序得到了显著改进,错误处理机制更加健壮。现在当与DefectDojo集成出现问题时,系统能够提供更清晰的错误信息,并采取适当的恢复措施,确保安全数据不会丢失。
文档与维护优化
文档方面也进行了多项改进:
- 明确了容器自动发现功能默认禁用的说明
- 将升级指南迁移到文档网站,便于用户查找
- 修复了多个文档中的链接和说明
在维护方面,项目更新了多个依赖项,包括Gradle、Spring Web等核心组件,确保项目构建和运行环境的安全性和稳定性。
总结
secureCodeBox v4.14.0版本通过引入扫描元数据、升级安全扫描器、改进错误处理和增强文档等多个方面的改进,进一步提升了平台的自动化安全测试能力。这些变化使得安全团队能够更高效地识别和管理安全风险,同时为开发团队提供了更流畅的集成体验。对于已经使用secureCodeBox的用户,建议尽快升级以获取这些改进和新功能;对于新用户,这个版本提供了更稳定和功能丰富的安全测试平台选择。
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