Wazuh 4.12.0 Alpha 1版本外部集成模块测试报告
Wazuh作为一款开源的安全监控平台,在4.12.0 Alpha 1版本中对多个外部集成模块进行了重要更新和功能增强。本文将详细介绍本次版本中关键模块的测试情况,帮助用户了解新版本的功能表现和潜在问题。
AWS模块测试
AWS模块在4.12.0 Alpha 1版本中引入了安全湖(Security Lake)作为订阅者的新集成功能。测试团队对AWS模块进行了全面的集成测试,所有基础功能测试用例均顺利通过,包括:
- 基础功能测试
- 自定义存储桶测试
- 日志丢弃正则测试
- 日志组测试
- 时间过滤测试
- 解析器测试
- 路径测试
- 区域测试
- 存储桶清理测试
然而,在安全湖作为订阅者的集成测试中,发现了一个关键问题:当配置文件中指定了AWS凭证文件中的区域(region)参数时,模块无法正确识别该区域设置,导致集成失败并返回"必须指定区域"的错误信息。这个问题特别出现在使用<aws_profile>标签配置凭证的情况下。
测试表明,该问题不会影响不使用凭证文件配置的情况。开发团队已经针对此问题创建了修复任务,预计将在后续版本中解决。
Maltiverse威胁情报集成测试
Maltiverse威胁情报集成模块在本次测试中表现稳定。测试团队在管理节点上配置了Maltiverse集成,验证了其与Maltiverse API的正常交互能力。
测试配置包括:
- API端点URL
- 有效的API密钥
- JSON格式的告警输出
日志分析显示,集成模块能够正确:
- 初始化与Maltiverse的连接
- 处理安全告警事件
- 将格式化后的数据发送至Maltiverse平台
测试过程中,模块稳定运行,未发现任何功能异常或性能问题。所有预期的日志输出均出现在系统日志和集成专用日志文件中,证实了该模块在当前版本的可靠性。
其他模块状态
除AWS和Maltiverse外,测试团队还评估了多个集成模块的状态:
- Azure云集成:未发现变更,功能保持稳定
- GCP云集成:未发现变更,功能保持稳定
- Docker监听器:未发现变更,功能保持稳定
- Shuffle集成:未发现变更,功能保持稳定
- Slack集成:未发现变更,功能保持稳定
- Virustotal集成:未发现变更,功能保持稳定
- Pagerduty集成:未发现变更,功能保持稳定
这些模块在4.11.2版本至4.12.0 Alpha 1版本之间没有代码变更,因此测试团队确认它们的功能与前一版本保持一致。
结论与建议
Wazuh 4.12.0 Alpha 1版本在外部集成方面主要聚焦于AWS安全湖订阅者功能的引入。虽然基础功能表现良好,但用户在使用新安全湖集成时应注意区域识别的已知问题。对于生产环境部署,建议:
- 暂缓部署AWS安全湖集成功能,等待修复版本发布
- Maltiverse及其他集成模块可以安全升级
- 关注后续版本发布说明,获取问题修复进展
测试结果表明,除AWS安全湖集成外,4.12.0 Alpha 1版本的外部集成功能整体稳定,能够满足企业安全监控的基本需求。用户可以根据自身业务需求,选择性部署已验证稳定的功能模块。
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