StackRox 4.7.0-rc.1版本技术解析:安全扫描与集群管理的全面升级
StackRox是一款专注于Kubernetes和容器安全的企业级解决方案,它提供了从漏洞扫描到运行时保护的全方位安全功能。本次发布的4.7.0-rc.1版本带来了多项重要更新,特别是在节点扫描、证书管理和安全集成方面有显著改进。
RHCOS节点扫描能力全面增强
本次版本最显著的改进之一是RHCOS(Red Hat Enterprise Linux CoreOS)节点扫描功能的全面升级。Scanner V4现在不仅能够扫描节点上运行的容器镜像,还能直接检测RHCOS容器化镜像本身的漏洞。这一功能默认在所有安全集群上启用,当Scanner V4安装并与Central连接时,它将优先于Stackrox Scanner使用。
技术实现上,Scanner V4采用了报告缓存机制,有效避免了重复扫描对节点IO负载的影响。对于Red Hat相关内容的漏洞检测,Scanner V4现在使用Red Hat的VEX文件替代原有的CVE映射数据,同时引入了CSAF数据源来解决Red Hat安全公告数据不一致的问题。
日志管理与证书自动续期
在系统管理方面,4.7.0-rc.1版本引入了可配置的日志轮转功能。通过设置ROX_LOGGING_MAX_ROTATION_FILES和ROX_LOGGING_MAX_SIZE_MB环境变量,管理员可以灵活控制Central日志文件的数量和大小,便于日志管理和存储空间控制。
另一个重要改进是服务证书的自动续期功能。对于通过Helm或Operator安装的安全集群,系统现在能够自动续期服务证书,大大简化了证书管理工作,减少了因证书过期导致的服务中断风险。
安全扫描与集成增强
Scanner V4在本次更新中扩展了对openSUSE Leap 15.5和15.6的支持,同时放弃了对15.0和15.1版本的支持。在技术预览阶段,用户现在可以通过UI、CLI(roxctl image sbom)或API(/api/v1/images/sbom)从Scanner V4镜像扫描生成SBOM(软件物料清单),为软件供应链安全提供了新的工具。
Azure集成方面新增了短期令牌认证支持,可与Azure工作负载或托管身份配合使用。同时,系统现在会为OCP全局拉取密钥自动生成独立的镜像集成,这一功能可通过设置ROX_AUTOGENERATE_GLOBAL_PULLSEC_REGISTRIES环境变量来禁用。
架构优化与废弃功能
本次版本移除了Collector的Slim模式,这是继4.5版本将其标记为废弃后的最终移除。所有配置为使用Slim模式的集群将被自动转换为使用常规Collector镜像。相关环境变量RELATED_IMAGE_COLLECTOR_SLIM和RELATED_IMAGE_COLLECTOR_FULL也被移除,统一为RELATED_IMAGE_COLLECTOR。
Azure集成的API结构也发生了变化,从原来的docker字段改为azure字段。虽然旧结构仍被支持,但已被标记为废弃。使用委托扫描的用户需要注意确保Central和安全集群都升级到4.7或更高版本,以避免兼容性问题。
总结
StackRox 4.7.0-rc.1版本在安全扫描能力、系统管理和集成功能方面都有显著提升,特别是对Red Hat生态系统的深度支持使其在企业环境中的适用性进一步增强。自动证书续期和日志管理改进减轻了运维负担,而SBOM生成等新功能则为软件供应链安全提供了更多可能性。这些改进共同使StackRox在容器安全领域的领先地位更加稳固。
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