Wazuh 4.12.0 Alpha 1版本自定义品牌化功能实践指南
前言
Wazuh作为一款开源的安全监控平台,在4.12.0 Alpha 1版本中增强了自定义品牌化功能,允许用户根据企业需求定制界面元素。本文将详细介绍如何在不同场景下实现Wazuh Dashboard的品牌化定制。
环境准备
实现Wazuh品牌化定制前,需要确保以下组件已正确部署:
- Wazuh Indexer:负责数据索引和存储
- Wazuh Server:包含主节点和工作节点,处理安全事件
- Wazuh Dashboard:提供可视化界面
- Wazuh Agent:部署在被监控终端上
全局加载Logo配置
通过修改/etc/wazuh-dashboard/opensearch_dashboards.yml配置文件,可以自定义加载过程中的Logo:
opensearchDashboards.branding:
loadingLogo:
defaultUrl: "自定义默认模式Logo URL"
darkModeUrl: "自定义暗黑模式Logo URL"
配置完成后需重启Wazuh Dashboard服务使更改生效。此Logo将在用户访问Dashboard时的加载页面显示,支持根据系统主题自动切换。
仪表盘主页Logo定制
同样在配置文件中,可以设置仪表盘主页显示的Logo:
opensearchDashboards.branding:
mark:
defaultUrl: "主页默认Logo URL"
darkModeUrl: "主页暗黑模式Logo URL"
此Logo将显示在Dashboard的左上角位置,是企业品牌展示的重要区域。
健康检查页面Logo定制
通过Dashboard管理界面可上传健康检查页面的自定义Logo:
- 导航至"Dashboard管理" > "应用设置"
- 在"自定义品牌"部分上传Logo图片
- 图片将存储在
/usr/share/wazuh-dashboard/plugins/wazuh/public/assets/custom/images/目录下
健康检查Logo将在系统状态检查页面显示,有助于统一企业视觉形象。
PDF报告品牌化
Wazuh允许用户自定义生成的PDF报告中的Logo和样式:
- 在"Dashboard管理" > "应用设置"中配置报告Logo
- 生成的报告将包含自定义Logo
- 支持设置报告页眉、页脚等元素
这一功能特别适合需要向客户或管理层提交标准化报告的场景。
技术实现细节
-
文件存储:所有上传的自定义图片都存储在Wazuh Dashboard的特定目录中,确保不会影响系统核心文件。
-
主题适配:系统支持为明暗两种主题分别设置不同的Logo,提升用户体验一致性。
-
格式支持:建议使用透明背景的PNG格式图片,尺寸适中,确保在不同分辨率下都能清晰显示。
-
缓存处理:修改Logo后可能需要清除浏览器缓存才能看到更新效果。
最佳实践建议
- 保持Logo设计简洁,避免过多细节影响识别度
- 确保暗黑模式Logo在深色背景下仍然清晰可见
- 定期检查自定义链接的有效性,防止因URL变更导致Logo无法显示
- 在生产环境变更前,先在测试环境验证效果
- 记录所有自定义配置,便于后续维护和迁移
总结
Wazuh 4.12.0 Alpha 1版本提供的品牌化定制功能,使企业能够将安全监控平台与自身视觉识别系统完美融合。通过本文介绍的方法,管理员可以轻松实现从界面元素到报告文档的全方位品牌定制,既提升了产品专业度,也增强了用户的归属感和信任度。
对于需要高度定制化的企业环境,这些功能提供了极大的灵活性,同时保持了Wazuh原有的强大安全监控能力。建议用户根据实际需求,合理规划品牌化实施方案,打造独具特色的安全运营平台。
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