Longhorn项目v1.8.0版本安全问题修复全记录
2025-06-02 13:24:37作者:苗圣禹Peter
在Longhorn分布式存储系统v1.8.0版本的开发周期中,项目团队对系统各组件进行了全面的安全问题扫描和修复工作。作为一款企业级云原生存储解决方案,Longhorn始终将安全性作为核心考量因素。本文将详细介绍该版本中涉及的安全问题及其解决方案。
问题扫描方法论
Longhorn团队采用了分层扫描策略,对系统各组件进行了细致的安全评估:
- 基础镜像层:检查SUSE Linux Enterprise Server 15.6和Debian 12.x等基础操作系统镜像中的安全补丁
- 核心组件层:包括longhorn-engine、longhorn-manager等核心存储组件
- 辅助工具层:如支持包收集工具support-bundle-kit
- CSI插件层:各类CSI驱动组件如csi-attacher、csi-provisioner等
扫描工具主要检测以下几类问题:
- 操作系统层面的CVE问题
- Go语言标准库及第三方依赖的安全问题
- 容器镜像中的信息保护风险
主要安全问题及修复方案
1. Go语言相关问题
在多个组件中发现了golang.org/x/net库的CVE-2024-45338问题,该问题涉及HTML解析器对大小写不敏感内容的非线性处理问题,被评级为HIGH级别风险。
影响组件:
- longhorn-engine中的grpc_health_probe工具
- longhorn-instance-manager中的grpc_health_probe工具
- longhorn-cli命令行工具
- 多个CSI驱动组件
修复策略: 对于核心组件,团队等待上游发布包含修复的版本后及时跟进升级。对于部分间接依赖的组件,考虑到问题实际影响有限,决定暂不升级。
2. 支持工具链安全加固
support-bundle-kit工具在v0.0.47版本中发现包含yq工具的问题,团队迅速发布v0.0.48和v0.0.49版本进行修复。
3. 基础镜像更新
所有组件的基础镜像均更新至最新补丁版本,确保操作系统层面的已知问题得到修复。特别针对SUSE Linux Enterprise Server 15.6中的python311-base等系统包进行了安全更新。
版本迭代中的安全实践
在v1.8.0版本的开发过程中,团队建立了完善的安全响应机制:
- 阶段性扫描:在Pre-RC、RC1到RC5的每个发布候选阶段都执行全面扫描
- 分级处理:根据问题严重程度制定不同的修复优先级
- 持续监控:密切跟踪上游组件的安全更新情况
- 防御性开发:对于暂时无法修复的问题,评估实际风险并记录跟踪
给用户的建议
对于使用Longhorn v1.8.0版本的用户,建议:
- 定期检查Longhorn官方发布的安全公告
- 在生产环境部署前,使用问题扫描工具对Longhorn组件进行验证
- 关注Kubernetes CSI驱动组件的最新安全更新
- 对于安全要求较高的环境,可以考虑禁用非必要功能组件
通过这次系统的安全审计和修复工作,Longhorn v1.8.0版本在存储安全性方面达到了新的高度,为用户提供了更加可靠的数据存储保障。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
765
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
680
1.33 K
Ascend Extension for PyTorch
Python
719
879
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
456
438
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++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
303
118
昇腾LLM分布式训练框架
Python
178
220