ThreatMapper中Azure容器镜像标签显示问题分析
问题背景
在ThreatMapper安全扫描平台中,用户发现当添加多个Azure容器注册表账户时,如果这些账户中存在使用相同摘要(digest)的镜像,系统无法正确显示这些镜像的所有标签(tags)。这导致用户在查看镜像详情时,只能看到部分标签信息,而实际上镜像可能拥有多个不同的标签。
技术分析
该问题主要涉及ThreatMapper平台对容器镜像元数据的处理和展示逻辑。在容器注册表(如Azure Container Registry)中,一个镜像摘要可以对应多个标签,这是容器镜像管理中的常见情况。
问题根源
-
API过滤机制:当前系统在获取镜像标签列表时,使用了
image_filter参数进行查询,这可能导致部分标签信息被过滤掉。 -
数据结构处理:系统在处理多个注册表账户中相同摘要的镜像时,可能没有正确合并这些镜像的标签信息。
-
前端展示逻辑:标签列表视图没有正确传递和处理镜像的所有标签数据。
解决方案
经过分析,开发团队提出了以下修复方案:
-
引入新的过滤参数:在
registryaccount/imagesAPI中添加image_stub_filter参数,其请求体结构与image_filter相同,但专门用于获取完整的镜像标签信息。 -
前端请求调整:在标签列表视图中,将原本使用的
image_filter替换为image_stub_filter,确保能获取到完整的标签数据。 -
数据合并处理:后端服务需要改进对多个注册表账户中相同摘要镜像的处理逻辑,确保所有标签信息都能被正确收集和返回。
实现示例
以下是使用新过滤参数的API请求示例:
curl 'https://<console>/deepfence/registryaccount/images' \
-H 'authorization: Bearer <token>' \
--data-raw '{"image_stub_filter":{"compare_filter":[],"contains_filter":{"filter_in":{"docker_image_name":["jatin"]}},"match_filter":{"filter_in":{}},"not_contains_filter":{"filter_in":{}},"order_filter":{"order_fields":[]}},"registry_id":"azure_container_registry-deepfence-4","window":{"offset":0,"size":10}}'
总结
该问题的修复确保了ThreatMapper平台能够正确显示Azure容器注册表中镜像的所有标签信息,特别是当多个注册表账户中存在相同摘要的镜像时。这对于安全扫描和镜像管理至关重要,因为不同的标签可能代表不同的版本或环境配置,安全团队需要全面了解这些信息才能做出准确的安全评估。
通过引入专门的过滤参数和改进数据处理逻辑,ThreatMapper增强了对容器镜像元数据的处理能力,为用户提供了更完整、准确的镜像信息展示。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
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
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-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00