Constellation v2.21.0 版本发布:增强SSH连接与K8s支持
Constellation是一个专注于云原生安全计算的开源项目,它通过可信执行环境(TEE)技术为Kubernetes集群提供硬件级别的安全隔离。该项目由Edgeless Systems团队维护,旨在为企业级应用提供端到端的机密计算解决方案。
核心功能更新
新增SSH安全连接功能
本次发布的v2.21.0版本引入了一个重要的新特性——ssh命令行工具。这个功能允许用户通过SSH协议安全地连接到Constellation集群中的节点。与传统的SSH连接不同,该功能在设计上充分考虑了TEE环境的安全需求,确保连接过程不会破坏节点的安全隔离性。
技术实现上,该命令利用了Constellation现有的认证机制,在建立SSH连接前会验证目标节点的完整性。这种设计特别适合需要直接访问节点进行调试或维护的场景,同时又不希望降低安全级别的用户。
Kubernetes版本支持更新
随着Kubernetes社区的持续发展,Constellation v2.21.0同步更新了对K8s版本的支持:
- 新增对Kubernetes 1.31的支持
- 移除了对Kubernetes 1.28的支持
这一变更反映了项目对上游Kubernetes社区的支持策略,确保用户能够使用最新的稳定版本,同时逐步淘汰不再受社区维护的旧版本。对于企业用户而言,这意味着可以更安全地部署包含最新安全补丁的Kubernetes集群。
关键问题修复
Azure SNP认证修复
本次发布修复了Azure SNP(Secure Nested Paging)认证中的一个关键问题。具体来说,解决了Microsoft Azure Attestation(MAA)服务在处理PCR11时的错误行为。PCR(Platform Configuration Registers)是可信计算中的重要组件,用于记录系统启动和运行时的关键度量值。
该修复确保了在Azure SNP环境下,Constellation能够正确验证节点的完整性证明,这对于依赖Azure机密计算VM的用户至关重要。修复后,用户将能够更可靠地在Azure SNP环境中部署和运行Constellation集群。
技术优化与改进
依赖项更新
开发团队对项目的依赖关系进行了多项优化:
- 更新了go-sev-guest依赖,修复了与badram平台信息相关的问题
- 移除了对google/go-sev-guest分叉的依赖,转而使用上游版本
这些变更简化了项目的依赖树,提高了构建的可靠性,同时也减少了潜在的安全风险。特别是go-sev-guest的更新,增强了项目对AMD SEV(Secure Encrypted Virtualization)技术的支持。
总结
Constellation v2.21.0版本在保持项目核心安全特性的同时,通过新增SSH连接功能提升了运维便利性,并通过Kubernetes版本更新确保了对最新技术的支持。Azure SNP认证的修复则进一步增强了在微软云环境下的可靠性。这些改进共同推动了Constellation作为企业级机密计算解决方案的成熟度。
对于现有用户,建议评估升级到v2.21.0版本,特别是那些在Azure SNP环境中运行集群的用户。新用户则可以从这个版本开始,体验更完善的SSH管理功能和最新的Kubernetes支持。
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