DefectDojo 2.44.3版本发布:安全风险管理平台的重要更新
DefectDojo是一个开源的缺陷管理和安全测试平台,它帮助开发团队和安全团队跟踪、管理和报告应用程序中的安全问题。作为一个功能强大的工具,DefectDojo支持多种安全扫描工具的集成,并提供问题生命周期管理、报告生成和团队协作等功能。
核心更新内容
解析器功能增强
本次2.44.3版本对多个安全扫描工具的解析器进行了改进和优化:
-
Generic JSON解析器现在能够更明确地处理标签数据,确保与其他工具的标签处理方式保持一致。这一改进使得从不同安全工具导入的数据能够更一致地展示和管理。
-
Anchore Engine解析器进行了重构,以支持新的报告格式。Anchore Engine是一个容器镜像安全扫描工具,这次更新确保了DefectDojo能够正确解析其最新版本生成的报告。
-
新增了对Aqua Security风险报告格式的支持。Aqua Security是一个云原生安全平台,这一集成扩展了DefectDojo对容器安全扫描结果的处理能力。
风险管理改进
-
Jira Webhook集成进行了优化,现在能够防止已修复的组发现被错误地重新打开。这一改进减少了误报和重复工作,提高了团队的工作效率。
-
为Proofpoint安全问题添加了专门的vulnID支持,使得来自Proofpoint安全产品的风险能够被更准确地识别和跟踪。
技术架构优化
-
移除了已弃用的Django导入和is_safe_url函数,保持代码库现代化并减少潜在的安全风险。
-
对SLA计算功能进行了单元测试的增强,确保服务级别协议的计算逻辑更加可靠和可预测。
-
修复了dedupe命令在处理空模型集时的NoneType错误,提高了数据去重功能的稳定性。
文档与维护改进
-
文档构建系统进行了版本锁定,并添加了GitHub Actions工作流来自动测试文档构建失败情况,确保文档质量。
-
统一了Docker相关文档中的命令格式,全部使用docker compose语法,提高一致性和易用性。
-
修复了文档中的单元测试示例,确保开发者能够获得正确的参考实现。
技术细节与开发者关注点
-
Helm指标导出格式进行了调整,以更好地兼容Prometheus监控系统。
-
移除了Burp解析器中未使用的方法,精简代码库并提高可维护性。
-
对设置文件(settings.dist.py/local_settings.py)进行了多项调整,包括Jira Webhook和Proofpoint相关的配置选项更新。
DefectDojo 2.44.3版本虽然是一个小版本更新,但包含了多项重要的功能改进和错误修复,特别是在解析器兼容性和风险管理流程方面。这些更新进一步巩固了DefectDojo作为企业级风险管理平台的地位,为安全团队提供了更可靠、更高效的工作工具。对于现有用户来说,建议参考升级指南进行平滑升级,以获取这些改进带来的好处。
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