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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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