Gardener项目v1.117.5版本发布:关键安全修复与功能优化
项目概述
Gardener是一个开源的Kubernetes集群管理平台,由SAP公司主导开发。它采用Kubernetes原生方式管理Kubernetes集群,能够自动化集群的生命周期管理,包括创建、扩展、升级和删除等操作。Gardener特别适合在云环境中大规模部署和管理Kubernetes集群,支持多云和混合云环境。
安全问题修复
本次发布的v1.117.5版本包含了两项关键安全修复,解决了可能导致权限提升的严重问题。
项目Secret元数据注入问题(CVE-2025-47284)
该问题存在于gardenlet组件中,可能允许具有Gardener项目管理员权限的用户获取对管理其Shoot集群的种子集群的控制权。攻击者可以通过注入恶意元数据来绕过安全限制,从而获得不应有的权限。该问题被评定为严重级别(CVSS 9.9),影响多个版本系列。
项目Secret验证绕过问题(CVE-2025-47283)
另一个严重问题允许具有项目管理员权限的用户绕过项目Secret的验证机制,同样可能导致对种子集群的控制权获取。这个问题同样被评定为严重级别(CVSS 9.9),影响多个版本系列。
功能改进与优化
操作符功能增强
-
服务账户权限修复:修复了gardener-operator使用的
system:serviceaccount:kube-system:gardener-internal服务账户无法标记受限资源的问题。 -
扩展准入Webhook验证:现在确保扩展准入Webhook已正确验证Shoot中引用的WorkloadIdentity和Secret。
-
资源创建优化:在种子集群的Shoot控制平面命名空间中创建引用资源时,现在会忽略注解和标签,提高了资源管理的稳定性。
监控与资源管理
- Prometheus资源限制调整:将prometheus-shoot的最小允许CPU设置为150m,避免了因资源不足导致的频繁驱逐问题,提高了监控系统的稳定性。
权限控制增强
- 项目所有者修改限制:新增检查机制,确保只有项目所有者和具有UAM角色的项目成员才能修改项目所有者,增强了项目的安全控制。
开发者体验改进
- 本地测试环境支持:修复了
admission-local部署,使其能够更好地与基于KinD的测试设置配合工作,提升了开发者的测试体验。
版本升级建议
对于正在使用受影响版本的用户,强烈建议尽快升级到v1.117.5或更高版本,以修复上述严重安全问题。升级时应注意:
- 检查当前环境中的依赖组件兼容性
- 备份关键配置和数据
- 在测试环境中先行验证升级过程
- 遵循官方提供的升级指南进行操作
总结
Gardener v1.117.5版本在安全性和功能性方面都做出了重要改进。通过修复关键安全问题,增强了系统的整体安全性;同时,多项功能优化提升了系统的稳定性和可用性。这些改进使Gardener继续成为企业级Kubernetes集群管理的可靠选择,特别是在多云和混合云环境中。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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