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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00