OpenCTI平台6.6.14版本发布:安全情报管理的重大改进
OpenCTI是一个开源威胁情报平台,旨在帮助安全团队收集、组织、分析和共享网络威胁情报。作为企业级威胁情报管理解决方案,OpenCTI提供了从数据收集到分析、可视化和共享的完整工作流程。
核心功能改进
数据处理与错误处理优化
本次6.6.14版本在数据处理方面进行了多项改进。首先,针对"Type undefined not supported"错误信息进行了优化,现在会提供更详细的错误提示,帮助开发人员更快定位和解决问题。其次,在删除标记定义时,系统现在能够正确地将删除操作传播到组配置中,确保了数据一致性。
评分系统增强
安全指标和可观测对象的评分系统得到了重要改进。现在系统会严格验证输入的评分值,防止使用小数评分,确保评分系统的准确性和一致性。这一改进对于威胁情报的量化评估尤为重要,使得评分结果更加可靠。
文件处理改进
在文件上传和处理方面,6.6.14版本解决了文件描述可能溢出的问题,现在会自动截断过长的描述。同时,对于YARA规则的可观测对象类型,系统现在会正确识别为"StixFile"类型,而非之前的"Unknown"类型,提高了文件类型识别的准确性。
用户体验优化
界面交互改进
用户界面进行了多项优化:
- 过滤器首次打开时保持正确对齐,解决了重新打开时的对齐问题
- 添加第一个过滤器时会自动打开,提高了操作效率
- 解决了CKEditor中标题选项的显示问题,改善了内容编辑体验
规则引擎稳定性
规则引擎页面之前存在的持续刷新问题已得到修复,现在页面能够保持稳定状态。同时,针对特定关系的容器引用解析问题也得到了解决,提高了规则执行的可靠性。
工作流与协作增强
剧本功能改进
剧本(Playbook)功能进行了重要修复:
- 解决了更改作者时无法保存的问题
- 现在可以正常编辑剧本内容而不会受到作者变更的影响
- 提高了剧本编辑的整体稳定性
验证流程优化
方案验证流程的显示问题已修复,现在能够正确显示验证进度百分比,而不会出现0%的错误显示。
技术架构改进
在技术架构层面,6.6.14版本将规则引擎页面迁移到了TypeScript,提高了代码的可维护性和类型安全性。同时,解决了容器解析预定义规则中的元关系问题,提升了系统处理复杂关系的稳定性。
总结
OpenCTI 6.6.14版本在数据处理、用户界面、工作流和技术架构等多个方面进行了重要改进和错误修复。这些改进不仅提高了平台的稳定性和可靠性,也增强了用户体验和协作效率。对于安全团队来说,这些改进将帮助他们更有效地管理和分析威胁情报数据,提升整体安全运营效率。
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