OpenBAS 1.15.0 版本发布:安全演练平台的全新警报追踪功能
OpenBAS 是一个开源的网络安全演练平台,它允许安全团队设计、执行和评估各种安全演练场景。通过模拟真实的网络攻击和安全事件,OpenBAS 帮助组织提升安全防御能力,测试安全控制措施的有效性,并培训安全团队应对实际威胁的能力。
最新发布的 OpenBAS 1.15.0 版本带来了多项重要更新和改进,其中最引人注目的是新增的预防/检测警报追踪功能,这将显著提升安全演练的分析能力。
核心功能:预防/检测警报追踪
在安全演练中,了解攻击行为触发了哪些安全警报至关重要。OpenBAS 1.15.0 现在可以在注入结果页面中显示由演练触发的警报列表,并支持直接跳转到相关 EDR(终端检测与响应)和 SIEM(安全信息与事件管理)系统的警报页面。
这一功能使得安全团队能够:
- 快速识别哪些安全控制措施检测到了演练活动
- 评估安全产品的检测能力
- 分析警报的准确性和相关性
- 验证安全监控系统的配置有效性
技术架构改进
-
后端适配支持:为支持Payload中的Outparsers功能,后端进行了相应调整,增强了系统处理能力。
-
React Intl库升级:前端升级了react-intl库至v7.1.8,解决了国际化相关的问题,提升了多语言支持能力。
-
Spring Security加密升级:后端升级了spring-security-crypto组件,增强了系统安全性。
用户体验优化
-
界面布局改进:
- 修复了端点列表中的文本布局问题
- 优化了Payload命令表单的多个布局问题
- 修正了原子测试概览中搜索输入框大小和标题底部边距的问题
- 改进了单项目列表的显示效果(添加底部边框)
-
表单验证优化:
- 修复了Payload详情表单中文件控制验证错误影响其他字段验证的问题
- 重构了Payload表单,提升了用户体验
-
国际化改进:
- 修正了英语翻译中"!"和"?"前的空格问题
- 优化了自动翻译功能
开发流程改进
-
问题工作流优化:改进了在release/current分支上提交PR时的问题处理流程。
-
自动化工具增强:添加了GitHub Actions来自动关闭和链接release/current分支上的问题。
技术细节
-
依赖项更新:
- 前端升级了多个关键依赖,包括react-router(v7.4.0)、typescript-eslint(v8.28.0)、zustand(v5.0.3)和vitest(v3)等
- 更新了material-ui组件库
-
测试框架:升级了Vitest测试框架至v3版本,提升了测试能力。
-
日志服务:改进了本地环境下的注销功能。
总结
OpenBAS 1.15.0 通过引入警报追踪功能,为安全演练提供了更深入的分析视角。结合多项用户体验改进和技术架构优化,这一版本进一步巩固了OpenBAS作为专业安全演练平台的地位。安全团队现在可以更全面地评估演练效果,不仅能看到攻击是否成功执行,还能了解安全防御系统的响应情况,从而更有效地提升整体安全态势。
对于正在使用OpenBAS的组织,建议尽快升级到1.15.0版本以利用这些新功能。新用户也可以从这个版本开始体验OpenBAS提供的全面安全演练能力。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
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Python00
HunyuanVideo-1.5暂无简介00
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
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
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