Nuclei Templates v10.1.7 安全检测模板更新深度解析
Nuclei Templates 是 ProjectDiscovery 开源的一款强大的安全检测模板库,它作为 Nuclei 扫描器的核心组件,为安全研究人员和渗透测试人员提供了丰富的安全检测能力。本次发布的 v10.1.7 版本带来了多项重要更新,涵盖了从关键远程代码执行问题到各类安全配置检测的广泛内容。
关键安全问题检测能力增强
本次更新最引人注目的是新增了对多个高危问题的检测能力。其中最为严重的是针对 Langflow AI 系统的未授权远程代码执行问题(CVE-2025-3248),攻击者可以利用此问题在未经验证的情况下完全控制目标系统。同样值得关注的还有 GLPI 系统(CVE-2025-24799)和 Apache Pinot(CVE-2024-56325)的身份验证绕过问题,这些问题都可能被攻击者用来获取系统的高级权限。
在 Web 应用安全方面,新增了对 UNA CMS 的 PHP 对象注入问题(CVE-2025-32101)和 Yeswiki 的路径遍历问题(CVE-2025-31131)的检测能力。这些问题都可能被用来获取敏感信息或执行任意代码。
云原生安全检测突破
本次更新特别加强了云原生环境的安全检测能力,新增了多个针对 Ingress-Nginx 控制器的配置注入问题检测:
- 通过未过滤的 auth-url 注解的配置注入(CVE-2025-24514)
- 通过 Mirror 注解的配置注入(CVE-2025-1098)
- 通过 auth-tls-match-cn 注解的配置注入(CVE-2025-1097)
这些问题可能导致攻击者绕过安全限制或注入恶意配置,影响集群的安全性。对于使用 Kubernetes 的企业来说,这些检测模板尤为重要。
企业级应用安全覆盖
针对企业环境中常用的系统,本次更新新增了多个检测模板:
- Oracle Peoplesoft 的未授权文件读取问题(CVE-2023-22047)
- Delmia Apriso 的预认证 .NET 反序列化问题(CVE-2024-3300)
- Fortinet 产品的身份验证绕过问题(CVE-2024-55591)
这些检测能力可以帮助企业及时发现关键业务系统中的安全隐患,防止数据泄露和系统入侵。
安全配置检测扩展
除了安全问题检测外,本次更新还大幅扩展了安全配置检测的范围,新增了针对多种常见服务的配置检查:
- Web 服务器安全配置:包括 Apache 目录列表禁用、HTTP TRACE 方法禁用、服务器头信息隐藏等
- 数据库安全配置:MongoDB 的审计日志、认证机制和 SSL 配置检查
- 网络服务安全配置:SMB v1 支持检测、LDAP 匿名登录检测等
这些配置检测模板可以帮助管理员快速发现系统中的不安全配置,提高整体安全基线。
检测准确度优化
本次更新不仅增加了新的检测能力,还对现有模板进行了多项优化:
- 改进了 halo-tism-sqli.yaml 的检测逻辑,减少了漏报
- 优化了 hashicorp-consul-unauth.yaml 的检测规则,降低了误报率
- 增强了 dom-xss.yaml 的检测能力,通过 waitdialog 处理提高了准确性
这些改进使得 Nuclei 扫描结果更加可靠,减少了安全团队验证结果的时间成本。
结语
Nuclei Templates v10.1.7 的发布再次展示了开源社区在安全检测领域的强大活力。通过持续集成最新的安全研究成果和检测技术,Nuclei Templates 为安全从业者提供了高效、全面的检测能力。无论是针对最新披露的高危问题,还是常见的安全配置问题,这个版本都提供了有力的检测工具。对于企业安全团队和独立研究人员来说,及时更新到最新版本并合理运用这些检测模板,将显著提升安全检测的覆盖面和效率。
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