OpenAppSec 1.1.26版本发布:Helm仓库支持与Prometheus监控集成
OpenAppSec是一个开源的Web应用安全防护解决方案,专注于为现代云原生应用提供强大的安全保护。它通过机器学习技术自动识别和阻止Web攻击,同时保持轻量级和易用性。最新发布的1.1.26版本带来了多项重要更新,进一步提升了其在Kubernetes环境中的部署便利性和可观测性。
Helm仓库支持:简化Kubernetes部署
1.1.26版本最显著的改进是新增了对Helm仓库的官方支持。现在,用户可以通过标准的Helm仓库https://charts.openappsec.io来获取和安装OpenAppSec的各个组件。这一变化使得在Kubernetes环境中部署OpenAppSec变得更加标准化和便捷。
Helm作为Kubernetes的包管理工具,能够大大简化复杂应用的部署过程。通过Helm仓库,用户现在可以:
- 使用标准的Helm命令一键安装OpenAppSec
- 轻松管理不同版本的OpenAppSec组件
- 通过values.yaml文件灵活配置安全策略
这一改进特别适合大规模生产环境,使得安全团队的部署工作更加高效和可靠。
Prometheus监控集成(Beta版)
另一个重要特性是初步支持将OpenAppSec的监控指标导出到Prometheus。作为云原生监控的事实标准,Prometheus的集成意味着:
- 安全团队现在可以统一收集和分析OpenAppSec的安全事件和性能指标
- 能够创建自定义的告警规则,及时发现潜在的安全威胁
- 与现有的Grafana仪表板集成,实现安全态势的可视化
虽然目前还是Beta版本,但这一功能为未来的高级监控和分析能力奠定了基础。
组件升级与问题修复
本次更新还对多个组件进行了升级:
- NGINX Proxy Manager升级到了最新版本,确保与最新安全补丁和功能保持同步
- 修复了导致代理容器意外重启的问题,提高了系统稳定性
- 修正了IPv6 CIDR计算中的bug,完善了对IPv6网络的支持
容器镜像与Helm Chart更新
OpenAppSec 1.1.26版本提供了全面的容器镜像支持,包括:
- 独立的安全代理镜像(1.1.26)
- 与NGINX 1.25.0集成的统一镜像
- 支持多种流行网关的附件镜像(NGINX Ingress、Kong、APISIX等)
同时,针对不同网关的Helm Chart也同步更新到了1.1.26版本,方便用户在不同场景下部署。
总结
OpenAppSec 1.1.26版本通过引入Helm仓库支持和Prometheus监控集成,显著提升了在云原生环境中的部署便利性和可观测性。这些改进使得安全团队能够更加高效地管理和监控Web应用安全防护,同时保持了OpenAppSec一贯的轻量级和自动化优势。随着这些新特性的加入,OpenAppSec在云原生安全领域的竞争力得到了进一步增强。
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