MISP项目中Galaxy集群标签过滤功能失效问题分析
2025-06-06 19:27:42作者:宣利权Counsellor
问题概述
在MISP(Malware Information Sharing Platform)开源威胁情报平台的2.4.183版本中,发现了一个与Galaxy集群标签过滤相关的功能缺陷。当用户尝试通过REST API接口使用标签条件过滤Galaxy集群时,系统未能正确应用过滤条件,导致返回结果中包含不符合条件的集群数据。
技术背景
MISP平台中的Galaxy功能是一个强大的威胁情报框架,它允许用户对威胁行为者、恶意软件家族等进行结构化分类和描述。每个Galaxy集群都可以通过标签(tag)进行标记,以便于分类和检索。
REST API提供了/galaxy_clusters/restsearch接口,理论上支持通过标签条件进行过滤查询,例如可以指定只返回带有特定威胁行为者标签的Galaxy集群。
问题表现
具体表现为:当用户通过API请求带有特定标签过滤条件(如"Lazarus Group")的Galaxy集群时,系统返回的结果集没有按照标签条件进行过滤,而是返回了所有匹配其他条件的Galaxy集群数据。
影响范围
该问题影响以下使用场景:
- 通过API接口按标签过滤Galaxy集群的自动化脚本
- 依赖标签过滤功能的前端展示
- 基于标签的Galaxy集群统计分析
问题根源
经过分析,问题出在API接口对标签过滤条件的处理逻辑上。虽然接口接收到了标签过滤参数,但在实际查询数据库时,这些条件没有被正确转换为SQL查询条件,导致过滤功能失效。
解决方案
开发团队已经通过代码提交修复了这个问题。修复方案主要涉及:
- 确保标签过滤参数被正确解析
- 将标签条件正确转换为数据库查询条件
- 验证过滤结果是否符合预期
最佳实践建议
对于使用MISP Galaxy功能的用户,建议:
- 及时升级到包含此修复的版本
- 在使用标签过滤功能时,先进行小规模测试验证
- 对于关键业务逻辑,考虑添加结果验证机制
总结
标签系统是MISP平台中重要的数据组织和检索机制,Galaxy集群的标签过滤功能对于高效利用威胁情报数据至关重要。此次修复确保了平台在这一功能上的可靠性和一致性,为用户提供了更精准的数据检索能力。
登录后查看全文
热门项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
131
React Native鸿蒙化仓库
JavaScript
235
309
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
634
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
738
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
199
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460