OpenCTI平台6.6.3版本发布:关键问题修复与功能优化
OpenCTI作为一个开源威胁情报平台,致力于帮助安全团队收集、组织、分析和共享威胁情报数据。该平台采用现代技术架构,支持STIX2标准,能够有效整合各类威胁情报信息。本次发布的6.6.3版本主要针对已知问题进行修复,提升了平台的稳定性和用户体验。
核心问题修复
在本次更新中,开发团队重点解决了几个影响用户体验的关键问题。首先修复了在请求信息(RFI)中添加参与者的功能异常问题,该问题曾导致用户无法正常添加参与者信息。其次,针对Draft菜单中的搜索崩溃问题进行了修复,现在用户可以稳定地在草稿区进行搜索操作。
基础设施视图中的Diamond屏幕显示错误也得到了修正,该问题曾导致部分用户无法正确查看基础设施相关数据。另一个重要修复是针对批量搜索结果面板的显示问题,现在用户可以正常查看批量搜索的结果列表。
数据关系处理优化
在数据关系处理方面,本次更新做出了重要改进。修复了当两个实体之间存在多个相同类型关系时,删除第一个关系可能导致_rel数据被清除的问题。同时解决了从攻击模式矩阵创建关系时实体类型识别不准确的问题,确保了关系创建的准确性。
针对指标评分系统,开发团队修复了从UI界面移除指标评分可能导致衰减历史记录无效的问题,现在系统能够正确处理评分变更操作。
功能增强与用户体验改进
在功能增强方面,本次更新为容器添加了生成可观察对象的功能按钮,这一改进显著提升了用户创建可观察对象的便捷性。同时修复了在草稿中导入STIX文件时元素计数显示不准确的问题,现在系统能够正确显示导入元素的实际数量。
技术依赖更新
在技术栈方面,项目更新了多个关键依赖项,包括将OpenSearch客户端升级至v3版本,这为平台带来了更好的搜索性能和稳定性。同时更新了moment-timezone和html-react-parser等依赖库,确保平台运行环境的安全性和兼容性。
总结
OpenCTI 6.6.3版本虽然是一个小版本更新,但包含了多个影响核心功能的修复和改进。这些变更进一步提升了平台的稳定性和用户体验,特别是对数据关系处理、搜索功能和UI界面的优化,使得威胁情报分析师能够更加高效地开展工作。对于现有用户而言,升级到6.6.3版本将获得更加稳定可靠的使用体验。
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