SSLyze 6.1.0 版本发布:TLS/SSL 扫描工具的重大更新
SSLyze 是一个功能强大的 Python 工具,专门用于扫描和分析服务器的 SSL/TLS 配置。它能够帮助安全研究人员和系统管理员快速评估服务器的加密安全性,识别潜在的漏洞和不安全的配置。最新发布的 6.1.0 版本带来了多项重要更新和改进,包括对新平台的支持、新功能的增加以及多个问题的修复。
平台支持的重大变更
6.1.0 版本在平台支持方面做出了重要调整:
-
Python 版本支持:新增了对 Python 3.13 的支持,同时移除了对 Python 3.8 的支持。这一变化反映了项目紧跟 Python 最新发展步伐的承诺,同时也确保了代码库能够利用最新 Python 版本的安全性和性能改进。
-
架构支持:
- 新增了对 aarch64 架构 Linux 系统的实验性支持,这为使用 ARM 架构服务器的用户提供了更多选择。
- 移除了对 Intel 架构 Mac 设备的支持,专注于更现代的硬件平台。
新增安全检测功能
本次更新引入了一个重要的新安全检查项:
扩展主密钥(Extended Master Secret) TLS 扩展支持检测:这个 TLS 扩展能够防止特定类型的中间人攻击,特别是针对 TLS 重新协商的攻击。通过这个新检查项,用户可以确认服务器是否支持这一重要的安全特性。
功能增强与自定义选项
6.1.0 版本提供了更多自定义选项,增强了工具的灵活性:
-
HTTP 代理支持:现在可以通过 Python API 指定自定义的 HTTP 代理,这使得在企业网络环境或需要通过代理访问目标服务器的情况下使用 SSLyze 变得更加方便。
-
SMTP EHLO 主机名自定义:对于 SMTP 服务器的扫描,现在可以指定自定义的 EHLO 主机名,这有助于在特定环境下更准确地模拟真实的客户端行为。
-
客户端重新协商测试配置:增加了对客户端重新协商测试尝试次数的配置选项,用户可以根据需要调整测试的严格程度。
性能优化与问题修复
本次更新包含了多项重要的修复和优化:
-
内存泄漏修复:解决了底层 nassl 库中的一个内存泄漏问题,提高了长时间运行时的稳定性。
-
崩溃修复:修复了多个可能导致程序崩溃的问题,包括处理特定服务器响应时的异常情况。
-
JSON 输出改进:修复了在输出非成功 OCSP 响应时可能导致 JSON 输出崩溃的问题。
-
多证书场景的清晰展示:改进了当服务器使用多个叶子证书时的 CLI 输出显示,使结果更加清晰易懂。
依赖项更新
项目保持了对关键依赖项的及时更新:
- 支持了 pydantic 和 cryptography 库的较新版本,确保用户能够使用这些库的最新安全修复和功能改进。
总结
SSLyze 6.1.0 版本通过新增安全检测功能、扩展平台支持、提供更多自定义选项以及修复多个问题,进一步巩固了其作为专业 TLS/SSL 扫描工具的地位。这些改进使得安全专业人员能够更全面、更灵活地评估服务器的加密配置安全性,同时也提升了工具的稳定性和用户体验。对于关注网络安全的管理员和研究人员来说,升级到最新版本将能够获得更准确、更全面的安全评估能力。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00