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。
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