Pwndoc v1.2.0版本发布:安全报告工具的重大更新
Pwndoc是一款开源的渗透测试报告生成工具,它能够帮助安全团队高效地创建专业的安全评估报告。该工具提供了丰富的模板功能、问题库管理以及团队协作能力,是安全从业人员的重要辅助工具。近日,Pwndoc发布了v1.2.0版本,带来了一系列重要的功能改进和安全增强。
自定义过滤器与子模板功能的增强
在v1.2.0版本中,Pwndoc对自定义过滤器和子模板功能进行了显著改进。现在,用户可以直接在UI界面中使用定义在subTemplatingFilters对象中的过滤器。例如,用户可以在报告中直接使用{_{company.name | upper}_}这样的语法来应用大写转换过滤器。
这一改进使得模板编辑更加直观和便捷,减少了在代码层面进行修改的需求。不过需要注意的是,如果用户之前已经在backend/src/lib/custom-generator.js中定义了自定义过滤器,现在需要将这些过滤器迁移到新的位置backend/src/lib/custom/report-filters-custom.js。
目前,只有不带参数的简单过滤器可以在subTemplatingFilters对象中定义并在UI中使用。这一限制可能会在未来的版本中解除,为用户提供更灵活的模板处理能力。
评论权限问题的改进
v1.2.0版本还解决了评论功能中的权限问题。开发团队添加了完善的评论权限控制机制,并更新了用户界面,确保只显示用户被允许执行的操作。这一改进增强了团队协作的安全性,防止未经授权的用户对报告评论进行不当操作。
安全性增强
本次更新包含了两个重要的安全改进:
- 修复了一个可能导致安全问题的缺陷(原安全公告编号GHSA-mxw8-vgvx-89hx)
- 解决了另一个潜在的安全隐患(原安全公告编号GHSA-r3vj-47cf-4672)
这些改进进一步提升了Pwndoc的安全性,确保用户在使用过程中不会受到已知问题的影响。作为安全工具本身,Pwndoc团队对自身产品的安全性保持高度关注,定期进行安全审计并及时修复发现的问题。
升级建议
对于现有用户,升级到v1.2.0版本需要注意以下几点:
- 自定义过滤器的迁移工作,确保将原有过滤器定义移动到新的文件位置
- 检查模板中是否使用了新的过滤器语法,确保兼容性
- 测试评论功能,确认权限控制符合预期
新用户可以放心使用这一版本,它包含了最新的功能改进和安全增强。Pwndoc作为一个持续发展的开源项目,v1.2.0版本的发布标志着它在易用性和安全性方面又向前迈进了一步。
对于安全团队和渗透测试人员来说,保持工具的最新版本是确保工作效率和安全性的重要措施。Pwndoc v1.2.0版本的这些改进,特别是模板处理能力的增强,将帮助用户更高效地生成专业的安全报告。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust022
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00