Anubis项目v1.18.0版本发布:引入强大的CEL表达式匹配功能
Anubis是一个开源的Web应用防火墙(WAF)和反向代理解决方案,旨在为网站和Web应用提供强大的安全防护能力。该项目通过灵活的规则配置和智能的请求分析,可以有效防御各种网络攻击,同时保持对合法用户的良好访问体验。
核心特性:CEL表达式匹配
本次v1.18.0版本最重要的更新是引入了CEL(Common Expression Language)表达式匹配功能。这一功能极大地增强了Anubis的规则配置灵活性,使管理员能够基于复杂的逻辑条件来定义安全策略。
CEL表达式允许开发者使用类似编程语言的语法来编写匹配规则,可以访问请求中的各种属性,包括:
- 请求头(headers)
- 主机名(host)
- HTTP方法(method)
- 请求路径(path)
- 查询参数(query)
- 客户端IP地址(remoteAddress)
- 用户代理字符串(userAgent)
表达式示例
简单的API访问控制规则:
- name: allow-api-requests
action: ALLOW
expression:
all:
- '"Accept" in headers'
- 'headers["Accept"] == "application/json"'
- 'path.startsWith("/api/")'
复杂的Git客户端识别规则:
- name: allow-git-clients
action: ALLOW
expression:
all:
- >-
(
userAgent.startsWith("git/") ||
userAgent.contains("libgit") ||
userAgent.startsWith("go-git") ||
userAgent.startsWith("JGit/") ||
userAgent.startsWith("JGit-")
)
- '"Git-Protocol" in headers'
- headers["Git-Protocol"] == "version=2"
其他重要改进
-
CSS变量优化:使用CSS变量减少了样式重复,提高了前端代码的可维护性。
-
原生包修复:解决了原生安装包中缺少标准库和botPolicies.yaml文件的问题。
-
导入语法增强:现在支持多级导入语法,使配置文件组织更加灵活。
-
日志格式统一:启动日志现在使用与其他日志相同的JSON格式,提高了日志系统的一致性。
-
客户端警告:新增了对禁用Cookie客户端的警告功能,帮助识别潜在问题。
-
安全默认值:默认禁用了Open Graph元数据透传,减少了信息泄露风险。
-
错误日志优化:抑制了HTTP请求中常见的"Context canceled"错误日志,减少了日志噪音。
技术实现细节
CEL表达式引擎的引入使Anubis能够在规则评估时执行复杂的逻辑判断。表达式在沙箱环境中执行,确保安全性。开发者可以组合使用各种字符串操作、逻辑运算和集合操作来构建精确的匹配条件。
表达式支持的主要操作包括:
- 字符串操作:startsWith, endsWith, contains等
- 逻辑运算:&&, ||, !
- 比较运算:==, !=, >, <等
- 集合操作:in, not in等
适用场景
新版本的Anubis特别适合以下场景:
- 需要精细控制API访问权限的应用
- 需要识别特定客户端(如Git客户端)的服务
- 需要基于复杂条件进行访问控制的系统
- 需要减少误拦截的安全敏感应用
总结
Anubis v1.18.0通过引入CEL表达式匹配功能,大幅提升了规则配置的灵活性和精确度。配合其他多项改进,这个版本为Web应用安全防护提供了更加强大和易用的工具。对于需要精细访问控制的系统管理员和开发者来说,这是一个值得升级的版本。
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