DefectDojo 2.42.0版本发布:安全管理平台的重要更新
DefectDojo是一个开源的缺陷管理和安全合规平台,它帮助安全团队高效地管理应用程序安全测试结果。作为一个功能强大的工具,DefectDojo提供了问题跟踪、报告生成、工作流自动化等功能,被广泛应用于DevSecOps流程中。
核心功能增强
本次2.42.0版本带来了多项重要更新,特别是在API端点和UI方面的改进值得关注。在API方面,新增了测试导入端点的排序功能,允许用户在导入或重新导入时设置Active/Verified为None选项,这与UI选项保持一致,提供了更灵活的集成能力。此外,还新增了请求/响应API的CRUD端点,为开发者提供了更完整的接口支持。
在用户界面方面,产品类型视图下新增了筛选功能,使管理员能够更高效地管理大量产品。仪表板中的"按月报告发现严重性"图表也从按日显示改为按月显示,提供了更宏观的趋势视图。
安全问题识别改进
本次更新特别加强了问题识别能力,新增了对CGA、DTSA和GLSA Gentoo等安全标识符的支持。这些改进使DefectDojo能够识别更多类型的安全报告,特别是来自不同发行版和特定安全公告的信息。
在问题解析方面,通用CSV解析器现在支持EPSS(安全事件预测评分系统)分数和百分位数,这为安全团队评估风险提供了更丰富的数据维度。同时修复了RHS(右侧)去重功能的问题,确保数据的一致性。
系统集成与通知优化
JIRA集成功能得到增强,现在当风险接受过期时,系统会正确更新与发现组关联的JIRA问题。此外,新增了一个筛选器,可以查找任何关联了JIRA(无论是分组还是单个)的发现项。
通知系统进行了重构,转换为基于类的实现,提高了代码的可维护性和扩展性。请求审核通知现在使用用户名而非其他标识符,使通知更加直观易懂。
技术架构与维护更新
在技术架构方面,本次更新将Ruff静态分析工具升级到0.8.1版本,并修复了多个代码质量问题。系统设置方面移除了SHA配置,简化了部署流程。OAuth2认证方面修复了Google OAuth2允许列表问题,提高了认证安全性。
依赖项管理方面,更新了多个Python库,包括boto3、python-gitlab、django等核心组件,确保系统运行在最新的安全补丁上。前端依赖如vite、pdfmake等也同步更新,提升了前端性能和安全性。
部署与文档改进
对于使用Docker和Kubernetes部署的用户,本次更新修复了Helm图表中的版本锁定问题,并优化了docker-compose.yml文件,添加了uWSGI相关变量。文档方面进行了全面维护,移除了外部图片引用,更新了多篇文章内容,并修复了大小写敏感的引用问题,使文档更加规范和易读。
总体而言,DefectDojo 2.42.0版本在功能、安全性和用户体验方面都有显著提升,为安全团队提供了更强大、更可靠的工具来管理日益复杂的安全问题和合规需求。
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
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