OpenCTI平台6.4.7版本发布:安全情报管理系统的关键更新
OpenCTI是一个开源威胁情报平台,专为网络安全团队设计,用于收集、组织、存储和可视化威胁情报数据。该平台通过结构化方式处理威胁情报,帮助安全分析师更好地理解威胁态势并做出响应决策。
核心功能改进
本次6.4.7版本在平台稳定性、日志管理和容器化部署方面进行了重要优化。日志系统经过重构,现在能够更高效地将日志流式传输到可视化工具中,这对大规模部署环境中的故障排查和系统监控尤为重要。改进后的日志处理机制减少了I/O负载,同时保持了日志的完整性和实时性。
用户界面与体验优化
在用户界面方面,开发团队修复了多个影响用户体验的问题。入侵集(Intrusion Set)列表现在能够正确显示创建者信息,解决了CREATORS列空白的问题。用户创建表单中的组别选择现在会按照正确顺序排列,提高了表单使用的便捷性。此外,修复了工作台中访问可观察对象(Observables)标签页时的错误,确保了数据浏览的流畅性。
认证与安全增强
认证系统方面,修复了使用环境变量配置Auth0客户端ID时的问题,增强了身份验证组件的可靠性。这一改进特别影响了使用Auth0作为身份提供者的企业部署场景,确保了配置的灵活性和安全性。
容器化部署改进
平台现在支持将Docker镜像构建并推送到GitHub容器注册表(ghcr.io),为使用GitHub生态系统的团队提供了更便捷的容器管理选项。这一变化简化了持续集成/持续部署(CI/CD)流程,使容器镜像的分发更加高效。
技术架构优化
在技术架构层面,本次更新改进了流处理中的相关限制(relatedRestrictions)管理,增强了数据访问控制的精确性。后端还优化了背压(back pressure)管理机制,提升了高负载情况下的系统稳定性。
OpenCTI 6.4.7版本通过这些改进,进一步巩固了其作为企业级威胁情报管理平台的地位,特别是在大规模部署环境下的可靠性和管理效率方面。对于安全运营团队而言,这些更新将直接提升日常威胁情报处理和分析的工作效率。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00