fwupd项目2.0.9版本发布:增强固件安全与管理能力
fwupd是一个开源的固件更新框架,它为Linux系统提供了统一的固件更新接口。通过fwupd,用户可以方便地更新各种硬件设备的固件,包括主板BIOS、显卡、外设等,同时确保更新过程的安全性和可靠性。该项目由GNOME基金会维护,已经成为现代Linux发行版中不可或缺的组件。
核心功能增强
本次2.0.9版本在安全性方面做出了重要改进。系统现在能够显示签署EFI认证变量的具体证书信息,这为管理员提供了更透明的安全审计能力。同时,项目文档中新增了关于如何更新KEK(密钥交换密钥)和db(安全启动数据库)的详细说明,帮助用户更好地维护系统安全启动环境。
在用户体验方面,fwupd现在支持同时安装多个数据库证书更新,简化了系统维护流程。交互体验也得到优化,引入了readline库来实现更友好的用户输入处理(该特性为可选功能)。
重要问题修复
本次更新解决了多个关键性问题,显著提升了系统的稳定性和兼容性:
-
安全启动相关:修复了PK和KEK枚举在某些系统上失败的问题,并识别了一个非常旧的dbx哈希以允许升级。同时,新增了多个存在固件问题的设备到UEFI dbx阻止列表中。
-
设备兼容性:修正了SMBIOS解析对于ROM大小≥16MiB的情况,修复了Wacom某些固件类型安装时的崩溃问题,并改进了USB描述符的解析逻辑。
-
功能逻辑完善:不再枚举不可更新的OptionROM设备,避免导出Redfish备份分区作为设备,修复了使用FirmwareBaseURI时的认证URI构造问题。
硬件支持扩展
2.0.9版本新增了对Intel Arc Battlemage系列GPU的支持。这一扩展使得更多硬件设备能够受益于fwupd提供的固件更新服务。
架构优化与改进
项目在内部架构上也进行了多项优化:
- 重写了ModemManager插件,使其结构更简单、更易于维护。
- 改进了MEI代码,现在一个设备可以使用多个接口,提高了兼容性。
- 简化了USB描述符的解析过程,使代码更加健壮。
- 修复了解析uevent时非KEY=VALUE格式导致的崩溃问题。
安全与稳定性增强
在安全方面,fwupd现在会要求用户在更新Intel CVS设备后必须重启系统,确保安全变更能够正确生效。同时,工具层面也进行了加固,禁止通过fwupdtool更新标记为updatable-hidden的设备。
对于使用Redfish协议进行固件安装的情况,现在能够正确处理位置重定向,提高了远程更新的可靠性。调试信息也更加丰富,使用fwupdtool get-devices --json命令时能够获取更多设备详情。
总结
fwupd 2.0.9版本在安全性、稳定性和硬件兼容性方面都做出了显著改进。无论是对于普通用户还是系统管理员,这些改进都意味着更可靠、更安全的固件更新体验。项目团队持续关注用户反馈和实际使用场景,不断优化这个重要的系统组件,为Linux生态系统的硬件支持奠定了坚实基础。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00