Git for Windows项目发布MinGit v2.45.2.windows.2版本安全更新
Git for Windows项目是针对Windows平台优化的Git版本控制系统实现,它包含了Git核心功能以及专为Windows系统设计的增强组件。MinGit是该项目的精简版本,主要面向开发者、CI/CD环境等不需要完整GUI界面的使用场景。
近日,Git for Windows团队发布了MinGit v2.45.2.windows.2版本,这是一个重要的安全更新版本。本次更新主要修复了多个安全问题,并升级了Git Credential Manager组件。
安全问题修复
本次更新修复了四个关键的安全问题:
-
CVE-2024-50338:Git Credential Manager存在凭证保护不足的情况。攻击者可能通过构造特殊的URL,诱骗凭证管理器将受信任站点的凭证发送到不受信任的站点。由于这种攻击需要特定的URL格式,通常需要配合递归克隆或获取操作才能实现。
-
CVE-2024-50349:Git在终端提示用户输入密码时,未能正确处理控制字符。这可能导致终端显示异常或被利用进行其他操作。
-
CVE-2024-52005:Git的sideband通道同样存在控制字符处理不当的情况,可能影响数据传输的可靠性。
-
CVE-2024-52006:类似于2020年发现的CVE-2020-5260问题,影响将回车符解释为换行符的凭证助手,可能导致凭证处理异常。
组件更新
新版本将Git Credential Manager升级至v2.6.1,该版本专门修复了CVE-2024-50338问题。Git Credential Manager是Git的凭证管理组件,负责安全地存储和提供Git操作所需的认证信息。
版本兼容性
v2.45.2.windows.2基于Git 2.45.2版本构建,保持了与之前版本的兼容性。用户升级后无需担心工作流程或现有仓库的兼容性问题。
下载选项
项目提供了多种MinGit打包版本供用户选择:
- 标准版(32位和64位)
- BusyBox版(32位和64位,集成BusyBox工具集)
- 调试符号包(PDB文件)
- 测试套件
- 文档包(HTML和man格式)
每种打包版本都提供了SHA-256校验和,确保下载文件的完整性和安全性。
升级建议
考虑到修复的安全问题可能存在的风险,建议所有Windows平台的Git用户尽快升级到该版本,特别是:
- 在共享或公共环境中使用Git的开发团队
- CI/CD流水线中使用的Git实例
- 处理重要项目或凭证的开发人员
对于使用完整版Git for Windows的用户,也应关注相应的安全更新发布。MinGit版本通常先于完整版发布关键安全更新,可以作为安全修复进度的参考。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00