MSTICPy v2.16.1 版本发布:查询编辑器优化与Prisma云驱动增强
MSTICPy是微软开源的威胁情报和安全分析Python工具库,专为安全运营中心(SOC)分析师和威胁猎手设计。它提供了丰富的数据连接器、分析函数和可视化组件,能够帮助安全专业人员更高效地处理安全日志数据、进行威胁检测和调查分析。
本次发布的v2.16.1版本是一个以修复和改进为主的维护版本,主要针对查询编辑器(QueryEditor)和Prisma云驱动(PrismaCloudDriver)进行了重要优化,同时解决了一些影响用户体验的关键问题。
核心改进内容
查询编辑器功能修复
查询编辑器是MSTICPy中用于构建和执行数据查询的重要组件。在本次更新中,修复了查询编辑器在处理某些特定查询时可能出现的问题。这个修复确保了编辑器能够更稳定地处理复杂的查询逻辑,特别是在处理多条件组合查询时表现更加可靠。
Prisma云驱动增强
Prisma Cloud是一款云安全态势管理(CSPM)解决方案。MSTICPy通过PrismaCloudDriver与之集成,使安全分析师能够直接从Python环境中访问云安全数据。本次更新为该驱动增加了两个重要功能:
-
分页支持:现在可以自动处理大量数据的分页请求,无需手动管理分页逻辑,大大简化了获取完整数据集的过程。
-
基于负载的自动重试机制:当API请求因服务器负载过高而失败时,驱动会自动进行重试,提高了在高负载环境下的可靠性。
这些改进使得从Prisma Cloud获取安全数据更加稳定和高效,特别是在处理大规模云环境的安全数据时优势明显。
数据类型处理修复
修复了在使用Python数据类(dataclass)时可能出现的问题。数据类是Python 3.7+引入的一个强大特性,用于简化类的创建。MSTICPy中多处使用数据类来定义数据结构。这个修复确保了在不同Python环境下数据类能够正常工作,提高了代码的兼容性。
其他改进
- 为Microsoft Defender相关功能添加了类型注解,提高了代码的可读性和开发体验。
- 改进了命令行处理函数的模板,现在可以接受列表作为参数,增加了灵活性。
- 将发布管道从GitHub Actions迁移到Azure DevOps,这是微软内部加强供应链安全的要求,对最终用户完全透明。
技术价值分析
对于安全分析师来说,本次更新带来的最直接价值在于查询稳定性和云数据获取效率的提升。查询编辑器的修复意味着分析师可以更自信地构建复杂查询而不用担心意外错误;Prisma云驱动的增强则显著改善了处理大规模云安全数据时的体验。
从架构角度看,自动分页和重试机制的引入体现了MSTICPy团队对实际工作场景的理解。云环境数据量通常很大,网络条件也可能不稳定,这些自动化处理能够节省分析师大量手动处理的时间。
数据类型处理的改进虽然对终端用户不可见,但提高了库的内部稳定性,为后续功能开发奠定了更好的基础。
升级建议
对于已经使用MSTICPy的安全团队,建议尽快升级到这个版本,特别是那些:
- 频繁使用查询编辑器构建复杂查询的团队
- 依赖Prisma Cloud进行云安全监控的组织
- 在多种Python环境中部署MSTICPy的用户
升级过程通常只需更新pip包即可,不会影响现有代码的兼容性。新功能如Prisma Cloud的分页和重试会自动生效,无需额外配置。
这个维护版本虽然没有引入重大新功能,但对核心组件的稳定性和可靠性改进,使得MSTICPy作为安全分析工具的整体体验更加完善。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00