Exegol 5.0.0 版本发布:容器化渗透测试环境重大升级
项目简介
Exegol 是一个基于 Docker 的渗透测试和安全研究环境,它为安全专业人员提供了一个高度定制化、隔离且可重复使用的工具集。通过容器化技术,Exegol 解决了传统渗透测试环境中工具依赖冲突、环境配置复杂等问题,让安全研究人员能够快速部署标准化的测试环境。
网络系统重构
Exegol 5.0.0 对网络系统进行了全面重构,取代了原有的 --disable-shared-network 标志,引入了更加灵活的网络模式选择机制:
-
四种网络模式:
host模式:容器直接使用宿主机网络栈docker模式:使用 Docker 默认网络配置nat模式:网络地址转换模式disable模式:完全禁用网络
-
端口范围支持:新版本增加了对端口范围的支持,允许用户一次性暴露多个端口,大大简化了需要多端口服务的工具配置过程。
-
配置文件支持:用户现在可以在配置文件中设置默认网络模式和回退网络模式,无需每次启动容器时都手动指定。
构建系统改进
5.0.0 版本专门为本地镜像构建引入了新的构建动作,取代了之前的 exegol install <image> <profile> 命令。这一改进使得构建过程更加直观和专业化,同时也为未来的扩展奠定了基础。
企业级功能增强
针对企业用户,新版本增加了对自定义镜像的支持。企业现在可以使用内部构建的镜像来创建 Exegol 容器,这对于有特殊安全要求或需要集成专有工具的企业环境特别有价值。
性能优化
-
镜像元数据系统:全新的镜像元数据系统显著提升了
exegol info命令的执行速度,使得获取容器信息更加高效。 -
整体性能提升:通过代码优化和架构调整,整个系统的响应速度和处理能力都得到了提升。
-
UV 检测支持:新增了对 uv 检测的支持,进一步增强了系统的兼容性和性能监控能力。
用户体验改进
-
新激活动作:引入了
activate动作,简化了环境激活流程。 -
文档更新:所有文档链接都已更新指向新版文档,确保用户获取最新信息。
-
法律合规:新增了 EULA(最终用户许可协议)和新的许可证,明确了使用条款和限制。
问题修复
- Docker userns 重映射:修复了在某些情况下 Docker userns 重映射可能导致的问题,现在可以按需禁用此功能。
技术影响分析
Exegol 5.0.0 的网络系统重构是本次更新的核心,它为安全研究人员提供了更精细的网络控制能力。在渗透测试中,网络配置往往决定了测试的深度和广度,新的网络模式选择机制让用户能够根据测试需求灵活调整网络环境。
性能优化方面,新的元数据系统不仅提升了命令响应速度,也为未来可能的扩展功能奠定了基础。企业级功能的增强则标志着 Exegol 开始向更专业的应用场景迈进。
升级建议
对于现有用户,升级到 5.0.0 版本需要注意以下几点:
- 网络配置语法已变更,需要调整原有的启动参数
- 镜像构建命令已更新,建议查阅新版文档
- 企业用户可以考虑利用新的自定义镜像功能构建内部标准化环境
Exegol 5.0.0 的这些改进使得它成为一个更加强大、灵活且专业的渗透测试平台,无论是个人安全研究人员还是企业安全团队,都能从中获益。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00