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。
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