Tracecat 0.25.0版本发布:威胁情报集成与工作流优化
Tracecat是一个开源的自动化安全运营平台,专注于安全事件的自动化响应与处理。它通过可视化工作流构建器,让安全团队能够快速创建和执行安全自动化流程,而无需编写复杂代码。最新发布的0.25.0版本带来了一系列重要更新,特别是在威胁情报集成和工作流优化方面。
威胁情报集成能力增强
0.25.0版本显著增强了Tracecat的威胁情报集成能力,新增了两个重要的威胁情报源:
-
CrowdSec IP地址查询:通过集成CrowdSec的威胁情报,用户现在可以直接在工作流中查询IP地址的威胁信息。CrowdSec是一个基于行为的入侵检测系统,能够提供实时的IP信誉数据,帮助安全团队快速识别恶意IP地址。
-
Anomali ThreatStream威胁情报查询:Anomali ThreatStream是业界领先的威胁情报平台,此次集成使得Tracecat用户可以直接访问其丰富的威胁指标数据库。安全团队现在可以在自动化工作流中直接查询域名、IP、URL等指标的威胁情报,大大提升了威胁检测和响应的效率。
这些集成的实现方式都经过了精心设计,确保API命名和步骤清晰一致,便于用户理解和使用。开发团队还特别关注了错误处理和边界条件,确保集成的稳定性。
工作流构建器改进
在用户体验方面,0.25.0版本对工作流构建器进行了多项优化:
-
JSONPath复制功能增强:现在,构建器视图中的复制按钮可以直接复制JSONPath表达式,这大大简化了数据提取和转换的操作流程。JSONPath是一种类似XPath的查询语言,用于从JSON文档中提取数据,在自动化工作流中非常常用。
-
空节点显示优化:改进了当工作流中没有节点时的显示效果,使其看起来不再那么"吓人"。这一看似小的改进实际上降低了新用户的使用门槛,让他们能够更轻松地开始构建第一个工作流。
模板验证与测试增强
0.25.0版本在开发体验和质量保证方面也有显著提升:
-
模板验证CLI工具:新增了命令行工具用于模板验证,这使得开发者在本地开发自定义模板时能够快速验证其正确性,而不必部署到生产环境进行测试。
-
单元测试中的模板验证:将模板验证纳入了单元测试体系,确保所有模板在提交前都经过严格验证。这一改进显著提升了代码质量和稳定性。
全新文档系统
此次发布还包含了完全重写的文档系统。新文档不仅内容更加全面,组织结构也更加合理,能够更好地帮助用户理解和使用Tracecat的各项功能。特别是对于新集成的威胁情报功能,文档提供了详细的配置和使用指南。
总结
Tracecat 0.25.0版本通过增强威胁情报集成能力、优化工作流构建体验、改进开发工具链和文档系统,进一步巩固了其作为开源安全自动化平台的地位。这些改进不仅提升了平台的功能性,也显著改善了用户体验,使得安全团队能够更高效地构建和执行自动化安全运营流程。
对于安全运营团队来说,这一版本特别值得关注的是其威胁情报集成能力的增强,这使得自动化工作流能够直接利用业界领先的威胁情报源,大大提升了威胁检测和响应的能力。同时,开发体验的改进也意味着自定义扩展和集成的开发将更加顺畅。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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