Cartography项目0.101.1版本发布:增强云安全态势管理能力
Cartography是一个开源的云安全态势管理工具,它通过收集和分析云环境中的各种资源数据,帮助安全团队全面了解其云基础设施的安全状况。该项目采用图数据库技术,能够直观展示云资源之间的复杂关系,为安全分析提供有力支持。
近日,Cartography项目发布了0.101.1版本,这个维护版本主要针对几个关键功能进行了改进和修复,特别是在CrowdStrike集成和AWS资源建模方面有显著提升。下面我们来详细解析这个版本的重要更新内容。
CrowdStrike设备采集优化
在安全运营中,端点安全数据至关重要。新版本对CrowdStrike Falcon平台的设备数据采集进行了重要改进:
-
分页处理增强:修复了之前版本中只能获取最多300台设备数据的限制问题。现在可以完整获取所有设备信息,这对于大型企业环境尤为重要,确保安全团队能够全面掌握所有端点的安全状态。
-
数据模型重构:对CrowdStrike主机数据模型进行了重构,使其更加符合Cartography项目的整体数据架构。这一改进不仅提高了数据一致性,也为后续的分析功能打下了更好的基础。
AWS资源建模改进
新版本对AWS资源的建模进行了多项重要优化:
-
经典负载均衡器支持:修复了经典负载均衡器(Classic Load Balancer)的数据采集问题。现在可以正确识别和分析这类传统负载均衡资源,这对于仍在过渡期的AWS用户特别有价值。
-
启动模板修复:解决了多个与EC2启动模板相关的问题:
- 修复了启动模板属性提取的准确性
- 优化了启动模板与实例的关联关系
- 改进了启动模板版本管理的数据采集
这些改进使得AWS EC2自动扩展相关的安全分析更加可靠,帮助安全团队更好地理解实例部署模式和潜在风险。
技术影响与价值
这个版本虽然是一个维护更新,但带来的改进对于云安全运营具有重要意义:
-
数据完整性提升:特别是CrowdStrike设备采集的改进,确保了安全团队能够基于完整的数据集进行分析和决策。
-
混合架构支持:经典负载均衡器的支持体现了项目对传统架构的兼容考虑,这在企业渐进式云迁移过程中尤为重要。
-
基础设施即代码安全:启动模板相关的改进强化了对基础设施即代码(IaC)的安全可见性,这是现代云安全实践的关键环节。
对于安全运营团队来说,升级到这个版本将获得更全面的云环境可视化和更准确的安全态势评估能力。特别是在处理大规模云环境和复杂混合架构时,这些改进将显著提升安全分析的效率和准确性。
建议所有使用Cartography进行云安全管理的团队评估升级到这个版本,特别是那些同时使用CrowdStrike端点保护和AWS云服务的组织。升级过程通常较为平滑,但建议先在测试环境中验证与现有工作流程的兼容性。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00