VeraCrypt 1.26.18版本发布:安全性与性能的双重提升
VeraCrypt作为一款开源的磁盘加密软件,延续了TrueCrypt项目的优秀传统,为用户提供了强大的数据保护能力。它支持多种加密算法,能够创建加密卷或加密整个存储设备,包括系统分区。VeraCrypt以其高安全性和跨平台特性(支持Windows、macOS和Linux)赢得了众多注重隐私保护用户的青睐。
主要更新内容
跨平台增强功能
最新发布的1.26.18版本在多个方面进行了重要改进。首先,该版本增加了对SHA-256 x86指令集的支持,显著提升了PBKDF2-HMAC-SHA256算法的性能表现。对于ARM64平台(如Windows ARM64和Apple Silicon Mx系列macOS设备),新增了AES硬件加速支持,这将大幅提升这些设备上的加密解密速度。
Windows平台改进
Windows版本迎来了多项重要变更。最值得注意的是,1.26.18版本正式放弃了对32位Windows系统的支持,并将最低系统要求提升至Windows 10 2018年10月更新(版本1809)。这一决策反映了现代计算环境的变化趋势,使开发团队能够更专注于64位系统的优化。
在技术实现上,该版本解决了低内存情况下可能出现的驱动程序死锁问题,并修复了EFI系统检测在某些电脑上失败的问题。对于系统管理员特别重要的是,修复了Windows升级后使用EXE安装程序更新VeraCrypt时出现的"访问被拒绝"错误。EFI系统加密配置编辑器也获得了多项修复,提升了稳定性。
Linux平台安全加固
Linux版本重点关注了安全性改进。修复了两个重要的安全问题:CVE-2024-54187通过使用绝对路径执行系统二进制文件,防止了路径劫持风险;CVE-2025-23021则防止了在系统目录和PATH路径上挂载加密卷的潜在问题。此外,该版本还优化了目录打开逻辑,优先使用xdg-open并增加了备用机制,提升了用户体验。
macOS平台优化
macOS版本同样修复了上述两个安全问题,并默认禁用了屏幕截图功能(可通过--allow-screencapture CLI参数启用)。这一改变增强了安全性,防止敏感信息通过截图泄露。与Linux版本类似,macOS版也增加了对卷存在性的检查,确保挂载操作前目标卷确实存在。
技术实现细节
在底层实现上,1.26.18版本用更现代的BCryptGenRandom替代了已弃用的CryptGenRandom用于生成安全随机数。同时更新了系统熵收集机制,使用更现代的API替代过时的方法。这些改进不仅提升了安全性,也增强了软件的兼容性。
项目依赖库也获得了更新:LZMA SDK升级至24.09版本,libzip升级至1.11.2版本。这些更新带来了性能提升和潜在安全问题的修复。
总结
VeraCrypt 1.26.18版本在安全性、性能和兼容性方面都有显著提升。特别是对ARM64设备的硬件加速支持和多个安全问题的修复,使得这款开源加密工具在保护用户数据安全方面更加可靠。对于注重隐私保护的用户和系统管理员来说,升级到这个版本将获得更好的使用体验和更强的安全保障。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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