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。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
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
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).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00