DefectDojo 2.44.2版本发布:安全风险管理平台的重要更新
DefectDojo是一个开源的DevSecOps平台,专注于应用程序安全测试和风险管理。它提供了一个集中化的解决方案,用于聚合、跟踪和管理来自各种安全工具的扫描结果。作为一个成熟的风险管理平台,DefectDojo帮助安全团队和开发人员更有效地协作,提高解决问题的效率。
版本2.44.2的主要改进
本次发布的2.44.2版本是一个维护性更新,包含了一些重要的功能增强和问题修复。作为安全风险管理领域的专业工具,这些更新进一步提升了平台的稳定性和功能性。
问题处理流程优化
在风险管理方面,本次更新重新引入了findings_reactivated和findings_untouched通知功能。这两个功能对于安全团队来说至关重要,能够及时了解哪些问题被重新激活或保持未处理状态。这种细粒度的通知机制有助于团队优先处理关键安全问题,确保不会遗漏任何潜在风险。
安全扫描器集成增强
针对OpenVAS扫描器的集成进行了显著改进,包括端点处理和严重性评估的优化。OpenVAS作为一款广泛使用的开源扫描工具,与DefectDojo的深度集成使得安全团队能够更准确地获取和分析扫描结果。这些改进有助于减少误报,提高评估的准确性。
文档和用户指导完善
技术文档是任何开源项目成功的关键因素。本次更新中,项目团队对多个文档部分进行了澄清和完善,包括源代码仓库集成说明和权限管理文档。特别是关于默认SCM类型的说明更加清晰,帮助用户避免配置错误。权限管理文档的更新则确保了用户能够正确理解和使用系统的访问控制功能。
技术实现细节
在技术架构层面,本次更新对Docker容器的入口点进行了标准化处理,统一使用bash作为执行环境。这种一致性改进减少了潜在的环境变量和脚本执行问题,提高了容器化部署的可靠性。
对于系统管理员而言,更新说明中特别强调了dedupe命令行的正确使用方法。数据去重是风险管理中的关键操作,正确的命令语法确保了数据一致性和处理效率。
安全特性增强
本次更新新增了对FortiGuard问题ID的支持。FortiGuard作为Fortinet的安全服务,其数据库的集成扩展了DefectDojo的识别能力。安全团队现在可以更方便地跟踪和管理与FortiGuard数据库相关的安全发现。
升级建议
对于正在使用DefectDojo的组织,建议参考官方升级指南进行系统更新。虽然2.44.2是一个维护版本,但它包含的改进对于风险管理流程的优化和安全性的提升都具有实际价值。特别是对于那些依赖OpenVAS扫描器或需要精细问题通知功能的团队,这些更新将直接改善日常工作流程。
作为安全领域的专业工具,DefectDojo持续关注用户需求和技术发展,通过定期更新提供更强大、更可靠的风险管理解决方案。2.44.2版本的发布再次证明了项目团队对产品质量和用户体验的承诺。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
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
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00