OpenCTI平台中"in regards of"过滤器对可观测对象失效问题分析
问题背景
在OpenCTI平台的数据实体过滤功能中,用户发现"in regards of"(关于)过滤器在某些情况下无法正常工作。具体表现为:当用户创建了一个威胁行为者(threat actor)与可观测对象(observable)之间的关系后,在数据实体页面使用"in regards of"过滤器筛选该可观测对象时,相关的威胁行为者无法被正确显示。
技术分析
问题本质
经过深入分析,这个问题源于平台对可观测对象相关关系的去规范化(denormalized)信息处理机制。在OpenCTI的数据模型中,某些特定类型的实体关系没有被完整地索引或存储,导致过滤器无法检索到这些关系。
受影响的关系类型
主要影响以下三类关系组合:
-
related_to类型关系:当关系类型为"related_to"且来源(from)是可观测对象(stixCyberObservable)时
-
located_at类型关系:当关系类型为"located_at"且:
- 目标(to)是地区(region)或国家(country)
- 来源(from)是IPv4、IPv6或城市(city)
-
targets类型关系:当关系类型为"targets"且:
- 目标(to)是地区(region)、国家(country)或行业领域(sector)
核心限制
值得注意的是,这些关系只有在用户查找关系中"来源(source)"端的实体时才会出现检索失败的情况。如果查找的是"目标(target)"端的实体,过滤器仍能正常工作。
解决方案
考虑到OpenCTI平台的关系模型复杂性,简单地排除某些实体类型或关系类型并不是一个理想的解决方案,因为:
- 某些关系组合可能在某些情况下工作,而在其他情况下不工作
- 完全排除会影响其他正常功能的用户体验
因此,开发团队决定采用以下改进方案:
-
添加警告提示:在"in regards of"过滤器旁边添加工具提示(tooltip),明确告知用户哪些类型的关系可能无法被检索到
-
优化用户体验:提示信息将采用与平台中其他模板类似的风格,保持界面一致性
技术影响与建议
对于OpenCTI平台用户,建议在使用"in regards of"过滤器时注意以下几点:
-
当过滤涉及可观测对象的关系时,可能需要考虑使用其他过滤条件组合
-
对于关键的可观测对象关系,可以通过创建自定义视图或报告来规避过滤器的限制
-
关注平台更新日志,了解该功能可能的后续改进
对于开发人员,这一案例也提醒我们在设计复杂数据模型的检索功能时,需要:
-
充分考虑各种实体和关系类型的组合情况
-
提供清晰的用户反馈机制,当某些查询可能不完整时及时告知用户
-
在性能和数据一致性之间找到平衡点
总结
OpenCTI平台作为威胁情报管理工具,其数据模型和过滤功能的复杂性是不可避免的。通过这次对"in regards of"过滤器问题的分析和解决,平台在保持功能完整性的同时,也提升了用户体验的透明度。这种平衡处理方式值得其他类似复杂系统的开发者借鉴。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00