Cloudlist v1.2.0 版本发布:增强云资产发现能力
Cloudlist 是一款由 ProjectDiscovery 团队开发的云资产发现工具,它能够帮助安全研究人员和运维人员快速发现和枚举云环境中的各类资源。通过对接多个主流云服务提供商的 API,Cloudlist 可以自动收集云服务器、存储桶、DNS 记录等关键资产信息,为云安全评估和资产管理提供有力支持。
最新发布的 v1.2.0 版本带来了多项功能增强和优化,进一步提升了工具的实用性和灵活性。下面我们将详细介绍这些新特性及其技术实现。
新增云服务提供商支持
本次更新增加了对 ArvanCloud 云平台的支持。ArvanCloud 是中东地区领先的云计算和 CDN 服务提供商,新增的支持使得 Cloudlist 能够发现和管理部署在 ArvanCloud 上的各类云资源。这一扩展使 Cloudlist 覆盖的云平台更加全面,能够满足不同地区用户的需求。
自定义子域名获取功能
v1.2.0 版本引入了一个创新的自定义提供程序功能,允许用户通过指定 URL 来获取子域名列表。这一特性特别适合那些需要从非标准来源或内部系统收集子域名信息的场景。用户只需在配置文件中指定目标 URL,Cloudlist 就能自动获取并处理返回的子域名数据,大大增强了工具的适应性和扩展性。
AWS 角色切换支持
对于使用 AWS 多账户环境的用户,新版本增加了对 Assume Role ARN 的支持。这一功能允许 Cloudlist 通过指定的角色 ARN 跨账户访问 AWS 资源,无需为每个账户单独配置凭证。这一改进显著简化了大型 AWS 环境中的资产发现流程,使安全团队能够更高效地管理跨账户资源。
双栈 IP 地址支持
随着 IPv6 的逐步普及,v1.2.0 版本增加了对双栈 IP 地址(同时支持 IPv4 和 IPv6)的发现能力。对于兼容的云服务提供商和资源类型,Cloudlist 现在能够同时获取资源的 IPv4 和 IPv6 地址信息。这一改进确保了工具在现代网络环境中的全面性,不会遗漏任何潜在的资产暴露面。
稳定性与兼容性优化
除了新功能外,本次更新还修复了某些服务中 token 验证机制的问题,提高了工具的稳定性和可靠性。这些底层优化虽然不显眼,但对于确保工具在各种环境下的稳定运行至关重要。
总结
Cloudlist v1.2.0 通过新增云平台支持、增强子域名获取能力、改进 AWS 多账户管理以及支持双栈 IP 地址等多项改进,进一步巩固了其作为云资产发现利器的地位。这些更新不仅扩展了工具的应用场景,也提升了其在复杂云环境中的适应能力。对于需要进行云资产盘点、安全评估或日常运维的团队来说,升级到最新版本将带来更高效、更全面的云资源管理体验。
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