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/images
API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。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0361Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
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++087Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-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。Python00GOT-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).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









