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。
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 StartedRust0148- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111