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。
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