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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112