Cariddi v1.4.0发布:高性能爬虫与安全扫描工具的重大升级
Cariddi是一款功能强大的开源工具,它能够爬取目标域名的URL,并扫描其中的端点、密钥、API密钥、文件扩展名、令牌等重要信息。该工具在安全测试和问题发现领域有着广泛的应用。最新发布的v1.4.0版本是自项目创建以来最大的一次更新,在性能、速度和准确性方面都有显著提升。
核心功能增强
本次更新最引人注目的是对模式匹配机制的全面优化。开发团队采用了goroutines并发技术和预编译正则表达式,大幅提升了关键信息、错误信息和普通信息的扫描效率。这种优化使得Cariddi在处理大规模目标时能够保持更高的性能表现。
在爬虫功能方面,新增了MaxDepth标志(-md),允许用户设置爬虫从初始目标URL开始的最大深度级别。这一功能特别适合需要控制爬取范围的场景,避免无限制的深度爬取消耗过多资源。
实用新特性
针对实际使用中的需求,v1.4.0版本新增了IgnoreExtensions标志(-ie),用户可以指定需要忽略的文件扩展名列表。工具本身也内置了默认的忽略扩展名列表,包括常见的图片、字体等非关键文件类型,如bmp、ttf、svg等,这有效减少了不必要的扫描开销。
HTML选择器方面,本次更新增加了大量新的选择器,增强了从复杂HTML结构中提取信息的能力。同时,HTML和TXT输出格式的用户界面也进行了优化,使结果展示更加清晰直观。
技术架构改进
在底层架构上,Cariddi v1.4.0将核心依赖库colly升级到了v2.2.0版本,并更新了其他相关依赖。这些更新不仅带来了性能提升,也增强了工具的稳定性。
开发团队还重写了huntExtensions函数,优化了扩展名处理的逻辑流程。同时实现了更加优雅的退出机制,确保在中断操作时能够妥善处理资源释放等问题。
实际应用价值
对于安全研究人员和渗透测试人员来说,Cariddi v1.4.0的改进意味着更高效的资产发现和问题发现能力。优化的模式匹配机制可以更快地识别出潜在的重要信息泄露,而可配置的爬取深度和忽略扩展名则提供了更灵活的使用方式。
工具的并发处理能力提升特别适合大规模目标扫描,而改进的输出格式则让结果分析更加便捷。这些改进共同使得Cariddi成为一个更加强大且易用的安全评估工具。
总体而言,Cariddi v1.4.0通过多项技术优化和新功能的加入,巩固了其作为一款专业级Web安全扫描工具的地位,值得安全从业者关注和采用。
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