Mailvelope v6.1.0 版本发布:安全升级与功能增强
Mailvelope 是一款流行的浏览器扩展程序,它为网页邮件服务(如 Gmail、Outlook 等)提供端到端加密功能,基于 OpenPGP 标准实现电子邮件内容的加密保护。作为开源项目,Mailvelope 持续更新迭代,最新发布的 v6.1.0 版本带来了多项重要改进。
主要功能更新
本次版本升级最显著的变化是将 Firefox 插件迁移至 Manifest V3 架构。Manifest V3 是浏览器扩展开发的新标准,相比之前的版本提供了更好的性能、隐私保护和安全性。这一迁移确保了 Mailvelope 在 Firefox 浏览器上的长期兼容性。
另一个实用功能是新增了对加密主题行的显示支持。现在当用户收到带有加密主题的邮件时,不仅邮件正文会被解密显示,加密的主题行也能在邮件内容区域正确展示,这大大提升了用户体验的完整性。
密码缓存功能在 v6.0 版本中被临时禁用后,本次更新重新激活了这一功能。用户现在可以继续选择缓存密码,避免频繁输入解密密码的麻烦,同时系统会确保缓存的安全性。
安全增强措施
v6.1.0 版本包含了多项安全改进:
-
废弃了存在安全风险的客户端 API 设置容器(keyring.createSettingsContainer()),移除了 mvelo.storage 中易受攻击的废弃代码。
-
加强了 WKD(Web Key Directory)限制列表的验证机制,改进了密钥导入过程中的密钥类型验证,防止异常密钥的导入。
-
默认授权域名列表中移除了 demo.mailvelope.com 站点,减少了潜在的风险。
-
将 OpenPGP.js 加密库升级至 5.11.3 版本,修复了已知问题并提升了整体安全性。
-
使用 React 重写了原本基于 Angular v1 的收件人输入组件,采用了更现代的 react-tag-input 实现,消除了旧框架的安全隐患。
技术架构优化
在技术架构方面,开发团队进行了多项优化:
-
将样式表编译工具从 node-sass 迁移到 dart-sass,这是 Sass 官方推荐的现代实现,具有更好的性能和兼容性。
-
更新 Bootstrap 前端框架至 4.6.2 版本,修复了已知的安全问题。
-
修复了 GnuPG 密钥环在服务工作者关闭后不可用的问题,确保加密功能的稳定性。
-
改进了编辑器中的签名功能,当邮件包含附件时会自动禁用仅签名按钮,防止误操作。
-
修复了使用 GnuPG 密钥环时编辑器中的仅签名功能问题,提升了功能可靠性。
总结
Mailvelope v6.1.0 版本在保持核心加密功能的同时,重点提升了安全性和稳定性。通过架构现代化改造和安全加固,为用户提供了更可靠的电子邮件加密体验。对于注重隐私保护的用户来说,及时更新到最新版本是保护通信安全的重要措施。
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