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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00