Longhorn项目v1.9.0版本安全修复全记录
在Longhorn分布式存储系统v1.9.0版本的发布过程中,安全团队对各个组件进行了全面的安全扫描和修复工作。本文将详细介绍这次安全审计的过程、发现的问题以及采取的解决方案。
安全审计背景
作为云原生分布式块存储系统,Longhorn由多个核心组件构成,包括引擎(engine)、管理器(manager)、实例管理器(instance-manager)等。每个版本发布前,团队都会对这些组件进行严格的安全扫描,确保系统不存在已知的高危问题。
v1.9.0版本采用了多阶段发布流程,包括Pre-RC、RC1到RC4等多个候选版本,最终发布GA版本。在每个阶段,安全团队都进行了全面的安全扫描。
发现的主要安全问题
在Pre-RC阶段扫描中,安全团队发现了几个需要关注的安全问题:
-
支持工具包(support-bundle-kit)中的liblzma5问题
该组件存在SUSE-SU-2025:1137-1高危问题,影响xz压缩库的安全更新。 -
CSI组件中的golang标准库问题
csi-provisioner组件被发现存在CVE-2024-34156问题,影响golang的encoding/gob包,可能导致深度嵌套结构解码时的安全问题。 -
gRPC健康检查探针的加密问题
多个组件中的grpc_health_probe工具被发现存在CVE-2025-22869问题,影响golang的crypto/ssh包,可能导致密钥交换过程中的拒绝服务攻击。
修复方案与实施
针对发现的安全问题,团队采取了以下修复措施:
-
支持工具包升级
将support-bundle-kit从v0.0.53升级到v0.0.54版本,解决了liblzma5相关问题。在后续的RC3阶段扫描中,又发现了openssl和sqlite3的新问题,于是进一步升级到v0.0.55版本。 -
CSI组件更新
- 将csi-attacher从v4.8.0升级到v4.8.1
- 将csi-provisioner从v5.1.0升级到v5.2.0
- 将csi-resizer从v1.13.1升级到v1.13.2
-
gRPC健康探针修复
通过更新相关组件的依赖关系,将golang.org/x/crypto从v0.31.0升级到0.35.0,解决了密钥交换问题。
未修复问题的评估
在实例管理器(longhorn-instance-manager)组件中发现的libexpat1问题(SUSE-SU-2025:1201-1)被评估为低风险,团队决定不进行专门修复,原因包括:
- 该问题需要特定条件才能被利用
- 修复需要更新基础镜像的系统包,可能引入不稳定性
- 预计在下个版本的基础镜像更新中会自然解决
安全最佳实践建议
基于这次安全审计的经验,我们建议Longhorn用户:
- 定期更新到最新版本,获取安全修复
- 在生产环境部署前进行独立的安全扫描
- 关注组件依赖关系,特别是第三方库的版本
- 对于无法立即修复的低风险问题,应评估实际业务场景的风险
总结
Longhorn v1.9.0版本通过严格的多阶段安全审计,及时发现并修复了多个潜在的安全风险。这种持续的安全意识和对细节的关注,确保了Longhorn作为企业级存储解决方案的可靠性和安全性。团队将继续保持这种高标准的安全实践,为用户提供安全稳定的存储服务。
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