Arkime 5.6.0版本发布:网络流量分析工具的重大更新
Arkime是一款开源的网络流量分析工具,它能够捕获、索引和存储网络流量数据,并提供强大的搜索和分析功能。作为Moloch项目的继任者,Arkime在保留原有功能的基础上进行了多项改进和优化。最新发布的5.6.0版本带来了一系列新特性和改进,本文将详细介绍这些更新内容。
环境变量支持的增强
Arkime 5.6.0在环境变量支持方面做了重要改进。现在,配置变量可以使用ARKIME_default__前缀的环境变量来设置,这为容器化部署和自动化配置提供了更大的灵活性。此外,环境变量中的特殊字符(如DASH、COLON、DOT和SLASH)现在会被自动替换,这使得在复杂环境中使用环境变量配置Arkime变得更加方便。
捕获功能的改进
新版本在数据包捕获方面有几个值得关注的改进:
-
新增packet-stats命令:这个新命令提供了关于数据包捕获统计信息的详细视图,帮助管理员更好地监控捕获性能。
-
优化索引刷新机制:Arkime现在只在退出时刷新Elasticsearch索引,而不是在运行时频繁刷新,这显著提高了性能并减少了系统负载。
-
Suricata VLAN支持:当使用sessionIdTracking功能时,Arkime现在能够正确处理Suricata提供的VLAN信息,提高了网络流量分析的准确性。
-
新增命令行选项:引入了新的
--command选项,简化了命令执行方式,不再需要显式指定命令套接字。
规则引擎的增强
Arkime 5.6.0对规则引擎进行了多项改进:
-
新增_flipSrcDst动作:这个新动作允许规则在匹配时交换源和目的地址,为流量分析提供了更多灵活性。
-
新增tcp.synSet字段:现在可以在规则中使用这个新字段来匹配TCP SYN标志设置情况。
-
配置变量引用:规则现在支持使用
${configvar}语法引用配置变量的值,这使得规则编写更加动态和灵活。 -
更严格的配置检查:Arkime现在会对以
tpacketv3或simple开头的未知配置变量报错,帮助用户及早发现配置问题。
查看器改进
在用户界面方面,5.6.0版本也做了多项改进:
-
修复网络部分显示问题:解决了当session.network部分缺失时导致的错误问题。
-
主题设置持久化:修复了自定义主题设置丢失的问题,确保用户偏好能够被正确保存。
-
Elasticsearch节点信息展示:现在可以正确显示所有类型的数据节点信息,提供更全面的集群状态视图。
-
捕获统计页面修复:修正了Overload Drops/s统计数据显示不正确的问题。
安装与兼容性
Arkime 5.6.0提供了针对多种Linux发行版的预编译包,包括Amazon Linux 2023、RHEL/CentOS 7/8/9、Debian 12以及Ubuntu 20.04/22.04/24.04等。需要注意的是,从5.1.2或更早版本升级时需要进行数据库升级(db.pl upgrade)。
总结
Arkime 5.6.0版本在网络流量捕获、规则处理和用户界面等方面都带来了显著的改进。新版本增强了环境变量支持,优化了性能,并提供了更多灵活的规则处理选项。这些改进使得Arkime在网络流量分析和安全监控方面变得更加强大和易用。对于现有用户来说,升级到这个版本可以获得更好的性能和更多的功能选项;对于新用户来说,5.6.0版本提供了更完善的入门体验。
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 StartedRust099- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。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
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