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。
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-1.5暂无简介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
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
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