DefectDojo 2.43.0版本深度解析:安全管理平台的重要更新
DefectDojo是一个开源的缺陷管理平台,专为安全团队设计,用于跟踪和管理应用程序安全问题。它提供了从问题发现到解决的完整生命周期管理,支持多种安全工具的集成,并具备强大的报告和协作功能。最新发布的2.43.0版本带来了一系列重要改进和新特性,值得安全从业者关注。
核心架构与基础设施改进
本次更新对DefectDojo的基础架构进行了多项优化。最显著的变化是移除了所有dc-脚本,这些脚本原本用于Docker Compose环境的管理,现在已被更现代化的部署方案取代。同时,项目增加了对django服务类型配置的支持,使得部署更加灵活。
在Helm chart方面,新增了local_settings.py的配置选项,为Kubernetes环境下的部署提供了更好的定制能力。数据库方面,移除了MySQL遗留代码,专注于PostgreSQL支持,简化了技术栈。
安全扫描与问题管理增强
2.43.0版本引入了多个新的安全扫描器支持:
- HCL AppScan on Cloud SAST:新增了对这款企业级静态应用安全测试工具的解析支持
- Checkmarx Cxflow SAST:集成了Checkmarx的SAST解决方案的解析能力
- AnchoreCTL Vulns解析器:改进了问题映射逻辑,特别是修复了无解决方案时的处理字段处理
对于现有解析器也进行了多项改进:
- Wiz解析器现在可以导入所有状态的问题,而不仅限于特定状态
- OpenVAS和Nmap解析器增加了script_id支持
- AWS SecurityHub和Inspector2解析器增加了imageTags支持
- Semgrep JSON报告处理增强,更好地处理需要登录的指纹和行数字段
用户体验与界面优化
UI方面进行了多项可访问性改进:
- 增加了缺失的aria标签和角色到按钮、链接和表格
- 改进了分页控件的可访问性
- 登录页面的链接现在更加显眼易见
- 过滤功能的操作更加符合人体工程学
Jira集成方面,修复了模板中的HTML编码问题,确保内容正确传递到Jira系统。导入历史页面也进行了优化,使无操作的情况更加清晰可见。
后台功能与性能提升
后台功能方面有几个重要改进:
- 增加了EPSS(问题预测评分系统)的范围过滤功能
- 验证状态切换增加了更细粒度的控制
- 修复了异步删除操作中的竞态条件问题
- 改进了预取多个端点时的模型返回逻辑
日志记录方面,当hashcode配置未找到时,现在会记录相关信息,便于问题排查。对于遗留重新导入操作,日志级别从debug提升到warning,使重要信息更易被发现。
安全与维护更新
项目依赖项进行了全面更新:
- Django升级到5.1.5版本
- Django AuditLog升级到3.x系列
- Ruff静态分析工具升级到0.9.4
- 其他多项Python依赖更新到最新稳定版本
安全方面,警报视图现在会对内容进行适当的清理和标记,防止注入攻击。通知系统现在会正确使用site_url构建上下文。
总结
DefectDojo 2.43.0版本在多个维度进行了重要改进,从底层架构到用户界面,从安全扫描支持到后台功能,都体现了项目团队对产品质量和用户体验的持续关注。这些改进使DefectDojo在缺陷管理领域继续保持领先地位,为安全团队提供了更强大、更可靠的工具。对于现有用户,建议参考升级指南进行版本更新,以充分利用这些新特性和改进。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00