OpenCTI 6.6.0 版本发布:智能分析引擎与工作流革新
OpenCTI 作为一款开源威胁情报平台,始终致力于为安全分析师提供高效、智能的威胁情报管理与分析能力。在最新发布的 6.6.0 版本中,OpenCTI 带来了多项重大功能升级,从智能分析到工作流优化,全方位提升了平台的使用体验和效率。
智能分析能力升级
本次版本最引人注目的创新之一是引入了基于 Arianne AI 的自然语言查询功能。这一企业版特性允许用户通过简单的自然语言提问来搜索平台中的数据。系统会将用户的问题自动转换为平台内部的过滤条件,并返回相应的查询结果。这种交互方式极大地降低了新用户的学习曲线,使分析师能够更快速地找到所需信息。
值得注意的是,这一功能完全基于平台现有的过滤机制,因此其能力范围受限于平台当前的过滤条件组合。对于复杂或超出当前过滤能力的查询,系统可能无法提供理想的结果。这一设计选择确保了功能的稳定性和可靠性,同时也为未来的扩展奠定了基础。
数据导入工作流重构
在数据导入方面,6.6.0 版本进行了全面重构,引入了两项关键改进:
-
多文件批量导入:用户现在可以一次性导入多个文件,并将它们合并为单个工作区进行处理。这一改进显著提升了批量处理数据的效率。
-
草稿工作区:这一新特性旨在逐步取代现有的工作台功能。草稿工作区不仅保留了工作台的所有功能,如查看文件提取内容和导入前验证,还增加了更多高级功能。用户可以在草稿模式下进行数据丰富、批量操作等,而不会影响主数据库。这种设计为数据质量控制提供了更好的保障。
草稿工作区还支持将现有工作台转换为草稿,确保平滑过渡。这一功能标志着 OpenCTI 在数据管理流程上的重要进步。
案件管理增强
针对案件管理工作流,6.6.0 版本引入了两个重要的过滤功能:
-
"@Me" 过滤器:这一动态过滤器允许用户快速查看与自己相关的案件,提升了个人工作效率。
-
相对日期范围过滤:分析师现在可以使用类似"显示过去一周创建的所有案件"这样的时间条件进行查询,大大简化了时间相关查询的操作。
此外,平台还增强了权限管理功能,引入了"请求访问"特性。在数据按组织隔离的场景下,当用户发现某个实体存在但未被共享给自己的组织时,可以主动请求访问权限。这一机制在保证数据安全的前提下,促进了跨团队协作。
图表分析与可视化改进
针对大型图表加载的性能问题,6.6.0 版本对图表引擎进行了彻底重构。主要改进包括:
-
分页加载:通过实现分页机制,解决了大型图表加载导致的平台崩溃问题。
-
选择与搜索优化:改进了图表中的选择和搜索行为,使用户能够更轻松地定位所需信息。
这些底层技术改进为未来更高级的图表分析功能奠定了基础,如更强大的图表内情报分析和关联能力。
其他重要改进
6.6.0 版本还包含多项其他重要更新:
-
CSV 映射器导入/导出:简化了 CSV 映射器的共享和使用,便于团队协作和问题排查。
-
IOC 管理增强:支持通过批量操作和自动化流程大规模更新 IOC。
-
危险区域扩展:增加了重置连接器状态的功能。
-
新增连接器:包括 VulnCheck、PAN Cortex XSOAR、Proofpoint TAP/ET、Microsoft Defender 事件等多个新数据源集成。
特别值得一提的是新增的 AI 文档导入连接器,相比标准文档导入连接器提供了更强大的内容提取能力。
技术架构优化
在技术架构层面,6.6.0 版本进行了多项重要改进:
-
认证机制重构:将基本认证和承载认证移出平台会话,提高了安全性和性能。
-
内部缓存优化:显著提升了缓存性能。
-
集群模式遥测:改进了集群模式下的遥测数据收集。
-
授权成员功能增强:支持组织和组之间的交叉授权。
这些底层改进为平台的稳定性、扩展性和安全性提供了更好的保障。
总结
OpenCTI 6.6.0 版本通过引入自然语言查询、重构数据导入工作流、增强案件管理能力等一系列重大改进,显著提升了平台的易用性和功能性。特别是智能分析能力的引入和工作流的重构,标志着 OpenCTI 正朝着更智能、更高效的方向发展。
值得注意的是,随着草稿功能的推出,工作台功能将在未来6个月内逐步淘汰。建议用户尽快熟悉新的草稿功能,并提供反馈以帮助进一步改进。
对于安全分析团队而言,6.6.0 版本提供了更强大的工具来应对日益复杂的威胁环境,特别是在情报收集、分析和协作方面。这些改进将帮助分析师更高效地完成日常工作,同时确保数据质量和安全性。
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 StartedRust0202
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07