OpenCTI平台6.6.2版本发布:安全情报管理的关键更新
OpenCTI作为一个开源威胁情报平台,为安全团队提供了收集、分析、存储和共享威胁情报的能力。该平台通过图形化界面和强大的API,帮助安全专业人员更好地理解和应对复杂的网络威胁。最新发布的6.6.2版本带来了一系列重要的功能改进和问题修复,进一步提升了平台的稳定性和用户体验。
安全认证机制优化
本次更新重点修复了双因素认证(2FA)强制启用时可能影响连接器与平台通信的问题。在安全实践中,双因素认证是保护账户安全的重要手段,但此前版本中强制启用2FA会导致部分自动化连接器无法正常工作。开发团队通过调整认证流程,确保了在保持高安全标准的同时不影响系统间的自动化交互。
文件排除列表功能修复
针对文件排除列表功能失效的问题,6.6.2版本进行了彻底修复。该功能允许管理员设置特定类型的文件不被平台处理,是防止误报和减少不必要分析的重要工具。修复后,用户可以再次可靠地使用这一功能来优化威胁情报处理流程。
实体视图显示改进
在实体视图显示方面,新版本解决了指标数量不显示的问题。这一改进使得在恶意软件知识视图中,用户能够清晰地看到相关指标的数量,为威胁评估提供了更直观的数据支持。
置信度计算优化
针对置信度输入值可能超出合理范围(0-100)导致系统异常的问题,开发团队增加了输入值的范围限制。这一改进防止了因极端值输入导致的系统不稳定情况,提升了平台的健壮性。
活动日志完善
本次更新还完善了活动日志记录功能,现在用户执行批量搜索操作时,系统会正确记录相关日志。这一改进增强了审计追踪能力,有助于安全团队更好地监控和分析平台使用情况。
衰减规则显示优化
在衰减规则设置界面,此前版本会显示可观测类型的技术名称而非用户友好的显示名称。6.6.2版本对此进行了修正,使得界面更加直观易懂,降低了用户的学习成本。
时间计算准确性提升
开发团队还修复了后端衰减测试中UTC/Z时间与本地时间混用的问题,确保了时间计算的准确性。这一改进对于依赖精确时间戳的安全分析尤为重要。
性能优化
除了功能修复外,6.6.2版本还包含多项性能优化措施,包括前端构建工具的调整和RabbitMQ消息大小配置的优化,这些改进共同提升了平台的响应速度和处理能力。
OpenCTI 6.6.2版本通过这些细致的改进,进一步巩固了其作为专业威胁情报管理平台的地位。对于已经使用OpenCTI的组织,建议尽快升级以获得更稳定、更安全的体验;对于考虑采用开源威胁情报解决方案的安全团队,这一版本提供了更成熟可靠的选择。
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