Rest-Server v0.14.0 发布:安全加固与功能增强
项目简介
Rest-Server 是一个轻量级的 RESTful 后端服务器,专为 restic 备份工具设计。它提供了简单高效的 HTTP API 接口,使得用户可以通过网络存储和管理备份数据。作为 restic 生态系统的关键组件,rest-server 以其简洁性和高性能著称,特别适合作为私有备份存储解决方案。
安全增强
本次 v0.14.0 版本在安全性方面做出了重要改进。最值得注意的是修复了 .htpasswd 文件权限问题。在之前的版本中,新创建的 .htpasswd 文件默认具有全局可读权限,这可能带来潜在的安全风险。虽然该文件仅存储密码哈希值,但过度开放的权限仍然不符合安全最佳实践。新版本确保新创建的 .htpasswd 文件不再全局可读,管理员需要手动调整现有文件的权限。
另一个重要的安全改进是 TLS 配置的强化。现在默认使用更安全的 TLS 密码套件,并将最低 TLS 版本要求提高到 1.2。新增的 --tls-min-ver 选项允许管理员根据实际需求设置更高的 TLS 版本要求,为安全敏感环境提供更严格的保护。
认证机制扩展
v0.14.0 引入了代理认证支持,这是一个备受期待的功能。通过 --proxy-auth-username 选项,管理员可以指定用于认证的 HTTP 头字段(如 X-Forwarded-User)。启用此功能后,服务器将基于指定的头字段进行用户认证,并自动禁用基本认证。这一改进使得 rest-server 能够更好地集成到现有的代理认证架构中,同时保持了系统的安全性——当启用 --no-auth 选项时,代理认证功能会自动禁用。
存储权限管理
新版本增加了对组可访问存储库的支持。通过 --group-accessible-repos 选项,管理员可以配置存储库的组访问权限。这一功能特别适合团队协作环境,允许多个用户通过组权限共享访问备份存储库。需要注意的是,此选项不会自动修改现有文件的权限,管理员需要根据需求手动设置适当的 umask 值(如 007 用于读写权限,027 用于只读权限)或使用 chmod 命令调整现有文件的权限。
系统兼容性与构建要求
v0.14.0 更新了所有依赖项,并将最低 Go 版本要求提高到 1.23。这一变化带来了更现代的加密库和性能优化,但也意味着在某些旧系统上的兼容性可能受到影响。具体来说:
- Windows 平台现在需要至少 Windows 10 或 Windows Server 2016
- macOS 平台需要至少 macOS 11 Big Sur
- TLS 1.0 和 1.1 已被弃用,最低要求为 TLS 1.2
为了方便 Windows 用户,本次发布新增了 zip 格式的二进制包,作为原有 tar.gz 格式的补充。
其他改进
启动日志中现在会明确显示 append-only 模式的状态,帮助管理员快速确认服务器的运行配置。这一看似小的改进实际上大大提升了运维透明度,特别是在自动化部署场景中。
升级建议
对于生产环境用户,建议在升级前:
- 备份现有的
.htpasswd文件 - 检查并调整文件权限(如有需要)
- 验证客户端兼容性,特别是 TLS 配置
- 对于使用代理认证的场景,确保前端代理配置正确
新版本在保持 rest-server 一贯轻量级特点的同时,通过多项安全加固和功能扩展,进一步提升了其在企业环境中的适用性。特别是代理认证和组权限支持,使得 rest-server 能够更好地适应复杂的组织架构和安全管理需求。
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