Nuclei Templates v10.2.1 版本发布:新增41个安全检测模板与多项优化
Nuclei Templates 作为一款开源的检测模板库,持续为安全研究人员和渗透测试人员提供高质量的检测方案。本次发布的 v10.2.1 版本带来了41个新增模板,覆盖16个CVE问题,同时修复了多项问题并进行了功能增强。
核心检测能力升级
本次更新中最值得关注的是新增的多个重要检测模板,这些涉及多个主流系统和应用:
-
CraftCMS远程执行问题(CVE-2025-32432):影响CraftCMS 4.x和5.x版本,被评为严重级别。
-
SysAid On-Prem XML实体处理问题(CVE-2025-2777):影响23.3.40及以下版本。
-
SonicWall文件读取问题(CVE-2024-38475):在认证前即可利用。
-
Oracle Retail Xstore Suite路径访问问题(CVE-2024-21136):允许绕过安全限制访问系统文件。
-
Kemp负载均衡器命令处理问题(CVE-2024-7591):无需认证即可在目标系统上执行命令。
这些新增模板大大扩展了Nuclei的检测范围,特别是在企业级应用和CMS系统方面的检测能力。
云安全检测能力增强
本次更新特别加强了针对Amazon Elastic Kubernetes Service(EKS)的检测能力,新增了7个相关模板:
- EKS集群端点公共访问检测
- Kubernetes密钥加密状态检查
- 长期运行Pod检测
- 节点组远程访问配置检查等
这些模板可以帮助团队快速发现云环境中常见的配置问题和风险,特别是在Kubernetes集群管理方面的隐患。
检测准确度优化
开发团队在此版本中重点解决了多个影响检测准确性的问题:
- 修复了CVE-2025-32101模板中的路径错误问题
- 改进了CVE-2020-26948检测逻辑,减少了误报
- 优化了华为WAF的检测规则,提高了识别准确率
- 调整了Azure云模板的检测逻辑,降低了误报率
这些改进使得Nuclei在实际环境中的检测结果更加可靠,减少了团队验证结果的工作量。
其他重要更新
-
新增多个Web面板检测模板:包括NocoBase、Yacht、Bluemind等系统的默认登录页面检测,帮助发现暴露在互联网上的管理界面。
-
开发工具相关检测:新增了Visual Studio Code launch.json文件暴露检测,这类配置文件可能包含开发环境信息。
-
移除过时模板:根据社区反馈移除了CVE-2022-46463等不再适用的检测模板。
-
首次贡献者:本次更新有7位新开发者贡献了代码,显示了项目社区的持续活跃。
总结
Nuclei Templates v10.2.1版本在检测范围、云安全能力和检测准确性三个方面都有显著提升。特别是新增的企业级应用检测模板和EKS检测能力,使得这个开源工具在现代IT环境中的实用性进一步增强。对于团队而言,及时更新到最新版本将有助于更全面地发现和修复系统中的问题。
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