fwupd项目2.0.10版本发布:增强固件更新安全性与设备支持
fwupd是一个开源的固件更新工具,它允许Linux系统用户轻松地更新各种硬件设备的固件。该项目由GNOME开发者维护,已经成为Linux生态系统中固件管理的事实标准。fwupd通过提供统一的接口和安全的更新机制,大大简化了Linux用户的固件维护工作。
核心功能增强
本次2.0.10版本在安全性和功能性方面都有显著提升。在安全方面,fwupd现在会将UEFI PK证书密钥ID包含在上传的问题报告中,这为安全审计和问题诊断提供了更完整的信息。同时,项目团队修复了一个可能导致KEK(密钥加密密钥)安装失败的问题,这对于确保安全启动环境的完整性至关重要。
针对AMD平台用户,新版本现在会显示AGESA(AMD通用封装软件架构)版本作为安全处理器设备的摘要信息。AGESA是AMD处理器中负责初始化硬件和提供基本服务的固件组件,这一改进使得用户能够更方便地了解其AMD系统的底层固件状态。
设备兼容性改进
在设备支持方面,2.0.10版本新增了对几款重要硬件的支持:
- Lenovo Legion系列笔记本的触摸板现在可以通过fwupd进行固件更新
- 流行的Logitech MX Mechanical键盘获得了官方支持
- Poly Studio V72和V12视频会议设备也被纳入支持范围
这些新增支持意味着更多用户能够享受到fwupd带来的便捷固件更新体验。
问题修复与优化
开发团队修复了多个影响用户体验的问题。其中最重要的是解决了HP Elitebook 845 Gen10笔记本电脑上dbx(安全启动黑名单)更新的限制问题。dbx更新是UEFI安全启动的重要组成部分,用于阻止已知恶意引导加载程序。
另一个重要修复是针对电池状态检测的改进。现在fwupd会正确使用upower服务的"OnBattery"属性来判断设备是否接通电源,这解决了之前版本中可能出现的电源状态误判问题。
在内存管理方面,修复了一个安全属性获取过程中可能出现的小内存泄漏问题。虽然这个问题影响不大,但体现了开发团队对代码质量的严格要求。
开发者工具改进
对于开发者而言,新版本提供了更灵活的测试设备功能。现在开发者可以限制GUID列表仅针对测试设备,这大大简化了固件开发和测试流程。同时修复了fwupdmgr工具在记录某些设备时的回归问题,确保了开发工具的稳定性。
在Capsule-On-Disk(磁盘上的固件胶囊)功能方面,修复了一个可能导致UX(用户体验)胶囊被错误写入的问题。这一改进确保了固件更新过程更加可靠和一致。
总结
fwupd 2.0.10版本在安全性、设备兼容性和稳定性方面都有显著提升。从安全启动密钥管理到新硬件支持,再到各种问题修复,这个版本进一步巩固了fwupd作为Linux平台首选固件更新工具的地位。对于Linux用户和系统管理员来说,升级到这个版本将获得更安全、更可靠的固件更新体验。
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