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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00