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。
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