DefectDojo 2.42.3版本发布:安全风险管理平台的重要更新
项目简介
DefectDojo是一个开源的缺陷管理平台,专为安全团队设计,用于跟踪和管理应用程序安全风险。它提供了强大的功能,包括风险扫描、风险评估、报告生成以及与各种安全工具的集成。DefectDojo已经成为许多组织安全开发生命周期(SDLC)中不可或缺的一部分。
2.42.3版本更新概述
DefectDojo最新发布的2.42.3版本带来了一系列功能改进和问题修复,主要关注于用户体验、API增强和系统稳定性。这个版本虽然是一个小版本更新,但包含了一些值得注意的改进点。
核心功能改进
Webhook通知测试修复:开发团队修复了Webhook通知测试功能,确保系统能够正确测试和验证Webhook配置。这对于依赖自动化通知流程的团队尤为重要。
Wiz解析器增强:现在Wiz解析器会导入所有状态的安全发现,而不仅仅是特定状态的结果。这一改进使得安全团队能够获得更全面的风险视图,不会遗漏任何潜在问题。
OpenVAS和Nmap解析器改进:对OpenVAS解析器进行了修复,并增加了对script_id的支持。这一变化使得扫描结果更加详细和准确,有助于安全分析师更好地理解发现的风险。
用户体验优化
可访问性增强:开发团队持续关注产品的可访问性,为按钮、链接和表格添加了缺失的ARIA标签和角色。这些改进使得产品对使用辅助技术的用户更加友好。
分页组件改进:分页功能现在具有更好的可访问性,确保所有用户都能轻松浏览大量安全发现。
警报视图优化:警报内容现在经过适当的清理和标记处理,提高了显示的安全性,防止潜在的安全问题。
API功能增强
预取端点改进:API现在能够正确返回所有预取模型,即使同时请求多个端点。这一改进使得API客户端能够更高效地获取所需数据,减少了不必要的请求次数。
系统稳定性与维护
日志记录改进:当无法找到hashcode配置时,系统现在会记录这一情况,帮助管理员更快地诊断问题。
遗留重新导入日志级别调整:将遗留重新导入功能的日志级别从调试提升到警告,使得重要信息更加突出。
MySQL残留代码清理:移除了不再需要的MySQL相关代码,简化了代码库。
依赖项更新:包括asteval库从1.0.5升级到1.0.6,以及文档中的vite从6.0.7升级到6.0.9,确保使用最新的稳定版本。
技术细节
对于系统管理员和DevOps团队,这个版本包含了一些需要关注的配置变更:
- 对
settings.dist.py和local_settings.py文件进行了修改,使vulnids功能更加健壮 - 移除了MySQL相关的遗留配置项
这些变更意味着在升级过程中,管理员需要仔细检查这些配置文件,确保新的设置符合组织的安全策略。
升级建议
对于正在使用DefectDojo的组织,建议在测试环境中首先验证2.42.3版本,确保所有自定义集成和功能正常工作。特别是:
- 检查Webhook通知功能是否按预期工作
- 验证所有解析器(特别是Wiz、OpenVAS和Nmap)是否正确处理扫描结果
- 确认API客户端能够正确处理预取模型的返回结果
这个版本虽然主要是修复和改进,但对于依赖特定功能的团队来说,某些变更可能会影响工作流程。建议在升级前仔细阅读完整的变更日志,并制定相应的测试计划。
DefectDojo持续改进其功能集和用户体验,2.42.3版本再次证明了项目团队对产品质量和用户需求的关注。对于安全团队来说,保持系统最新是确保最佳安全实践的重要部分。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00