StackRox 4.8.0-rc.1 版本深度解析:安全扫描与云原生防护新特性
StackRox 是一个专注于 Kubernetes 安全防护的开源平台,提供从镜像扫描到运行时保护的完整解决方案。最新发布的 4.8.0-rc.1 候选版本带来了多项重要改进,特别是在安全扫描、安全策略和系统集成方面有显著增强。
核心安全扫描能力升级
本次版本最突出的改进是扫描组件的安装策略变更。在新安装场景下,StackRox Scanner 和 Scanner V4 将默认启用(opt-out 模式),而升级场景则保持原有的 opt-in 模式。这种改变反映了开发团队对扫描功能稳定性的信心,也体现了安全左移的理念。
Scanner V4 新增了对 Red Hat 官方镜像的特殊处理能力。通过设置 ROX_SCANNER_V4_RED_HAT_LAYERS_RED_HAT_VULNS_ONLY 环境变量,用户可以确保在扫描 Red Hat 官方容器镜像时,仅显示来自 Red Hat 安全数据源的安全问题信息。这一特性解决了长期以来非 RPM 内容(如 Go 二进制文件)导致的误报问题,使安全评估结果与 Red Hat 官方声明保持一致。
安全问题管理模型重构
4.8.0-rc.1 版本对 CVE 数据模型进行了重要的架构调整,从规范化模型转向反规范化设计。这一变化意味着:
- 单次镜像扫描不再会覆盖之前扫描的 CVE 数据
- 安全问题数据展示将更加一致可靠
- 用户可通过
ROX_FLATTEN_CVE_DATA=false回退到旧模型
同时,新版本引入了"安全问题发布时间天数"策略条件,允许安全团队设置安全问题修复的宽限期,体现了更加灵活的风险管理思路。
安全策略与控制增强
在准入控制方面,新版本增加了对 scale 子资源的支持,扩展了策略检测和执行的覆盖范围。安全策略 CRD 的 Helm 模板位置变更虽然需要用户手动干预,但简化了后续的维护工作。
认证安全方面,API 令牌的创建现在会触发管理事件日志,增强了安全审计能力。外部 IP 功能 (ROX_EXTERNAL_IPS) 也转为默认启用,为网络边界防护提供了更多可能性。
系统集成与部署改进
部署选项方面,4.8.0-rc.1 提供了更丰富的配置选择:
- OpenShift reencrypt 路由支持,增强了 Central 的暴露方式安全性
- Cosign 无密钥签名验证,顺应了云原生签名验证的最新趋势
- S3 备份集成迁移至 AWS Go SDK v2,同时正式移除了对 GCS 存储桶的支持
Google 镜像集成的项目范围限制变为可选,为用户提供了更大的配置灵活性。
开发者体验优化
roxctl 命令行工具获得了多项改进:
- 帮助信息格式重新设计,提升可读性
- 证书验证失败现在会明确报错
- 扫描输出默认包含 CVSS 分数和安全公告信息
这些改进使安全团队能够更全面地评估安全问题风险,并快速定位修复资源。
总结
StackRox 4.8.0-rc.1 版本在安全扫描深度、策略精细度和系统集成方面都有显著提升。特别是对 Red Hat 生态的专门优化和安全问题数据模型的改进,体现了项目对生产环境实际需求的深刻理解。候选版本虽然还需要最终测试验证,但已经展现出作为云原生安全平台的技术成熟度。
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