OpenCTI平台中CSV映射器关于Note实体的作者字段问题解析
2025-05-30 17:04:13作者:宗隆裙
在OpenCTI 6.5.11版本中,用户在使用CSV映射器创建Note实体表示时,发现界面中出现了两个"Author"字段。这种现象引起了用户的困惑,本文将从技术角度深入分析该问题的成因和解决方案。
问题现象
当用户在CSV映射器中为Note实体创建表示时,界面会同时显示两个作者相关字段:
- 常规的"author"字段(用于映射身份/组织/组等实体表示)
- 额外的"authors"字段(接收字符串数组)
技术背景分析
经过深入调查,我们发现这个现象与OpenCTI平台对STIX标准的实现有关:
- 标准合规性:STIX规范中确实为Note和Opinion实体定义了"authors"属性,这是一个合法的STIX属性
- 平台实现:
- 常规的"author"字段是平台通用的创建者标识字段
- "authors"字段是Note实体特有的STIX属性,目前平台UI尚未充分利用该字段
- 数据兼容性:虽然平台UI未使用该字段,但考虑到API交互和第三方连接器可能使用该字段,必须保留该属性以保证STIX合规性
解决方案
基于上述分析,开发团队决定采取以下技术方案:
- 保持STIX兼容性:保留schema中的"authors"字段定义,确保与其他STIX兼容系统的交互能力
- 优化用户体验:在CSV映射器界面中隐藏"authors"字段,避免用户混淆
- 未来扩展性:保留该字段为后续功能扩展预留空间
技术建议
对于OpenCTI平台开发者,在处理类似问题时建议考虑以下原则:
- STIX标准合规性应优先于界面简洁性
- 对于标准中定义但平台暂未使用的属性,应采取"隐藏而非删除"的策略
- 在用户界面中应对技术性字段提供适当的说明或提示
这个案例展示了在安全信息平台开发中平衡标准合规性与用户体验的典型挑战,OpenCTI团队的处理方式为类似问题提供了良好的参考范例。
登录后查看全文
热门项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218