OpenCTI平台6.5.10版本发布:增强安全情报管理与分析能力
OpenCTI是一个开源威胁情报平台,旨在帮助组织收集、存储、分析和共享网络安全威胁情报。该平台采用STIX2标准格式,支持从多种来源获取情报数据,并提供强大的关联分析功能,使安全团队能够更有效地识别和应对网络威胁。
核心功能增强
最新发布的6.5.10版本在多个方面进行了功能增强,进一步提升了平台的安全情报处理能力。其中最重要的改进之一是新增了预定义规则功能,允许用户自动解析包含特定实体的容器。这一功能大大简化了复杂威胁情报的处理流程,使安全分析师能够更高效地处理大量数据。
另一个值得关注的增强是对Azure OpenAI的支持。这一改进扩展了平台的人工智能能力,使组织能够利用微软Azure云上的OpenAI服务进行更高级的威胁分析和情报处理。这种集成特别适合那些已经在Azure环境中运营的企业,为他们提供了更灵活的选择。
数据处理与质量改进
6.5.10版本在数据处理方面进行了多项优化。修复了指标分数在更新操作中不被更新的问题,确保了情报数据的准确性和一致性。同时,改进了upsert操作对空白字段的处理逻辑,避免了属性被意外覆盖的情况。
平台还修复了导出功能中的一些问题,包括修复了从知识视图导出多个指标时的错误,以及确保IOC导出只包含选定内容而非全部数据。这些改进使数据导出更加可靠和精确。
用户体验优化
在用户界面方面,6.5.10版本进行了多项改进以提升用户体验。修复了安全风险概述页面中的间距问题,使界面布局更加合理。同时优化了内容映射对话框的打开逻辑,确保用户能够正确访问主要内容。
平台还移除了调查页面上的"从Hub导入"按钮,简化了界面并减少了可能的混淆。这些看似小的改进实际上显著提升了用户的工作效率。
安全与稳定性提升
在安全方面,6.5.10版本修复了用户更新自身信息时的权限检查问题,确保系统在低置信度情况下也能正确处理用户请求。同时改进了衰减算法对已撤销指标的处理,确保分数能够正确更新。
关系表示在电子邮件通知中的显示问题也得到了修复,使通知内容更加清晰和有用。这些改进共同增强了平台的安全性和可靠性。
总结
OpenCTI 6.5.10版本通过新增功能、改进数据处理和优化用户体验,进一步巩固了其作为开源威胁情报平台的地位。这些改进使安全团队能够更有效地收集、分析和共享威胁情报,从而更好地保护组织免受网络威胁。对于已经使用OpenCTI的组织来说,升级到6.5.10版本将带来更流畅的工作流程和更可靠的情报处理能力。
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 StartedRust0186
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 Notebook0111
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。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
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08