CTFd 3.7.7版本发布:安全竞赛平台的新特性与优化
项目简介
CTFd是一个开源的网络安全竞赛平台,广泛应用于各类CTF(Capture The Flag)比赛。它提供了完整的比赛管理系统,包括题目发布、队伍管理、积分排名等功能,是网络安全竞赛组织者的首选工具之一。
版本亮点
用户注册安全增强
3.7.7版本引入了一个重要的安全特性——邮箱域名黑名单功能。现在,管理员可以设置不允许注册的邮箱域名列表,有效防止特定域名的用户参与比赛。这一功能特别适用于:
- 限制企业内部竞赛只允许公司邮箱注册
- 阻止已知的垃圾邮件或临时邮箱注册
- 实现更精细化的参赛者身份控制
题目提示功能优化
在CTF比赛中,题目提示(hint)是帮助参赛者解决难题的重要辅助手段。新版本对提示系统进行了两项改进:
-
提示标题功能:现在可以为提示添加一个标题,在用户解锁提示前显示。这允许出题人提供关于提示内容的简要说明,帮助用户判断是否需要解锁该提示。
-
使用体验提升:通过预展示提示标题,参赛者可以更明智地决定是否花费积分解锁提示,提高了比赛资源的利用效率。
管理后台改进
对于管理员用户,3.7.7版本增强了文件管理功能:
- 题目文件现在会显示存储的sha1校验和,方便管理员:
- 验证文件完整性
- 快速比对不同版本的文件
- 确保比赛文件的唯一性和一致性
API性能优化
在性能方面,新版本对计分板API进行了重要修复和优化:
-
修复了
/api/v1/scoreboard/top/<count>端点的缓存问题,现在不同count值能够正确缓存。 -
增加了安全限制,该API最多只返回前50名账户,防止可能的性能问题和滥用。
-
优化了缓存机制,提高了在高并发情况下的响应速度。
依赖项更新
作为常规维护的一部分,3.7.7版本更新了以下关键依赖:
-
gunicorn升级至23.0.0:Python WSGI HTTP服务器的重要更新,带来了性能改进和bug修复。
-
Jinja2升级至3.1.6:模板引擎的更新,提高了模板渲染的安全性和效率。
技术意义与应用场景
CTFd 3.7.7版本的发布体现了项目团队对安全性和用户体验的持续关注。邮箱黑名单功能特别适合企业内训和教育机构的私有比赛场景,而提示系统的改进则提升了公开比赛的参与体验。
对于大型比赛组织者,API的性能优化意味着更稳定的服务能力,特别是在比赛结束前的冲刺阶段,当大量用户频繁刷新计分板时,系统能够保持流畅响应。
文件校验和的展示虽然是一个小改动,但对于需要严格审核比赛内容的大型赛事非常重要,它简化了题目验证流程,降低了出错概率。
升级建议
对于正在使用CTFd的组织,建议在测试环境验证后尽快升级到3.7.7版本,特别是:
-
计划举办企业内训或限制性比赛的用户,可以利用新的邮箱黑名单功能。
-
经常使用文件题目的比赛,将受益于文件校验和的可视化。
-
预期参赛人数较多的赛事,应该利用API性能优化带来的稳定性提升。
升级过程通常只需替换代码文件并重启服务,但建议提前备份数据库和自定义配置,确保平稳过渡。
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
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