Nuclei Templates v10.1.6 版本发布:新增78个安全检测模板
Nuclei Templates 是 ProjectDiscovery 开源的一款强大的安全扫描模板库,它能够与 Nuclei 扫描器配合使用,快速检测目标系统中的安全问题。该模板库持续更新,包含了大量经过验证的安全检测规则,覆盖了各种常见的 Web 应用、中间件、网络设备等安全风险。
版本亮点
本次 v10.1.6 版本更新带来了78个全新的安全检测模板,其中包含45个CVE安全检测能力。这些新增模板覆盖了多个关键安全问题,特别值得关注的有:
-
Next.js中间件控制问题(CVE-2025-29927):这是一个关键级问题,可能绕过Next.js框架的中间件安全控制,导致未授权访问敏感功能。
-
FlowiseAI文件上传问题(CVE-2025-26319):影响FlowiseAI 2.2.6及以下版本,可能利用此问题上传任意文件,可能导致远程代码执行。
-
GitLab SAML认证控制问题(CVE-2025-25291):这是一个严重的认证控制问题,可能无需有效凭证即可访问受保护资源。
-
Apache Tomcat路径处理问题(CVE-2025-24813):影响Tomcat服务器的关键远程代码执行问题,可能通过精心构造的路径实现代码执行。
-
CrushFTP认证控制问题(CVE-2025-2825):可以绕过CrushFTP的认证机制,直接访问受限功能。
技术深度分析
本次更新特别关注了现代Web框架和云原生环境中的安全风险。例如新增的Next.js中间件控制检测模板,反映了现代JavaScript框架在安全实现上的潜在缺陷。这类问题通常源于框架对请求处理流程的设计问题,可能导致安全控制被绕过。
在云原生安全方面,新增的Ingress-Nginx控制器RCE检测模板(CVE-2025-1974)针对Kubernetes环境中常见的入口控制器安全问题。这类问题可能允许在集群内部执行任意代码,危害性极高。
针对物联网设备的安全检测也是本次更新的重点,新增了多个路由器设备的认证控制和配置泄露检测模板,如TP-Link、Netgear等常见品牌设备的问题检测能力。
使用建议
对于安全团队来说,建议立即更新至最新版本模板库,特别是针对以下场景进行优先扫描:
- 使用Next.js框架开发的Web应用
- 部署了FlowiseAI、GitLab等受影响系统的环境
- 基于Tomcat的应用服务器
- 使用CrushFTP的文件服务环境
- Kubernetes集群中的Ingress-Nginx控制器
对于开发团队,建议关注这些问题的根本原因,在自身代码中避免类似安全问题。例如Next.js中间件控制问题提醒开发者需要谨慎设计认证流程,不能完全依赖框架提供的安全机制。
总结
Nuclei Templates v10.1.6版本延续了ProjectDiscovery团队对最新安全威胁的快速响应能力,新增的78个模板大大扩展了扫描器的检测范围。特别是对现代Web框架和云原生环境的深度覆盖,使其成为企业安全防御体系中不可或缺的工具。安全团队应当定期更新模板库,并针对新公布的问题进行优先扫描,确保及时发现和修复系统中的安全隐患。
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