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。
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