OpenCTI平台6.4.8版本发布:情报管理与安全分析能力再升级
OpenCTI是一个开源的威胁情报平台,专为网络安全团队设计,用于收集、存储、分析和共享网络威胁情报数据。该平台整合了STIX2标准,提供了强大的知识图谱功能,帮助安全分析师更好地理解复杂的威胁关系。
核心功能增强
最新发布的6.4.8版本在多个方面进行了重要改进。其中最显著的是对AMBER+STRICT标记的支持扩展,这一特性现已覆盖多个连接器。AMBER+STRICT标记是情报共享中的重要机制,它允许组织在共享敏感信息时实施更严格的访问控制策略,确保只有经过适当授权的用户才能访问特定级别的威胁情报。
用户体验优化
在用户界面方面,开发团队修复了多个影响用户体验的问题。其中包含了对容器内建议引擎选择字段的修复,解决了之前在某些容器环境下无法正常使用的问题。此外,还优化了登出按钮的位置显示逻辑,确保在不同权限设置下都能正确显示。
针对数据分析工作流,新版本改进了可观察对象嵌套面板中的排序功能,现在分析师可以更灵活地按照需要排列嵌套对象,这在处理复杂威胁关系时尤为有用。
系统性能与稳定性
6.4.8版本解决了多个可能影响系统稳定性的问题。其中最重要的是修复了在空同步日期配置下可能出现的内存泄漏问题,这一改进显著提升了长时间运行时的系统稳定性。同步摄取功能也得到了增强,现在能够更好地处理文件问题,并允许摄取缺失文件的元素。
在数据同步方面,修复了完全同步模式下可观察对象重命名时可能创建重复对象的问题,确保了数据一致性。同时改进了任务对象的显示问题,现在能够正确识别和显示任务对象。
安全与权限管理
权限管理方面进行了多项重要修复。修复了用户仅具备管理订阅源能力时无法访问CSV和TAXII订阅源的问题,使权限控制更加精确。组织隔离逻辑也得到了改进,确保对象在属于正确组织时能够正确显示。
针对情报共享场景,增强了容器引用的共享事件发送机制,确保在实时流过滤容器时能正确发送引用共享事件。此外,还改进了历史记录的保密性处理,更好地保护敏感操作信息。
技术架构改进
在底层架构上,6.4.8版本引入了对队列压力管理的改进。当队列大小持续增加时,系统会保持增加背压延迟,这一机制有效防止了系统过载情况的发生。内部ID处理逻辑也得到了优化,在完全同步过程中不再意外移除内部ID。
工具实体版本字段现在可以正确填写,为技术资产的管理提供了更完整的支持。虚拟类型现在能够正确显示在实体类型过滤器列表中,增强了数据筛选的灵活性。
总结
OpenCTI 6.4.8版本通过多项功能增强和问题修复,进一步提升了平台的稳定性、安全性和用户体验。这些改进使安全团队能够更高效地管理和分析威胁情报,特别是在处理大规模、复杂威胁场景时表现更为出色。对于依赖OpenCTI进行网络安全运营的组织来说,升级到这个版本将获得更可靠、更强大的威胁情报管理能力。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust075- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
Hy3-previewHy3 preview 是由腾讯混元团队研发的2950亿参数混合专家(Mixture-of-Experts, MoE)模型,包含210亿激活参数和38亿MTP层参数。Hy3 preview是在我们重构的基础设施上训练的首款模型,也是目前发布的性能最强的模型。该模型在复杂推理、指令遵循、上下文学习、代码生成及智能体任务等方面均实现了显著提升。Python00