OpenCTI 6.6.7版本发布:威胁情报平台的重要更新
OpenCTI是一个开源的威胁情报平台,它能够帮助安全团队收集、存储、分析和共享威胁情报数据。作为一个功能强大的工具,OpenCTI支持多种数据格式和标准,包括STIX2.1,并提供了丰富的API和用户界面来管理复杂的威胁情报工作流。
近日,OpenCTI发布了6.6.7版本,这个版本包含了一系列重要的功能增强和错误修复,进一步提升了平台的稳定性和用户体验。让我们深入了解一下这个版本的主要改进。
核心功能增强
在6.6.7版本中,OpenCTI对数据流共享机制进行了重要改进。现在,当后台任务完成容器实体的共享操作后,系统会自动发布一个"更新"事件到数据流中。这一改进使得用户可以更清晰地了解共享操作的完成状态,特别是在处理大量数据时,能够提供更好的操作可见性。
关键错误修复
这个版本修复了多个影响用户体验的关键问题:
-
数据共享初始化问题:解决了在新平台上创建数据共享流(CSV、live、TAXII)时出现的"批量索引失败"错误,确保了数据共享功能的可靠性。
-
批量操作稳定性:修复了从容器中同时移除超过10个实体时操作失败的问题,提升了大规模数据处理的稳定性。
-
API密钥持久化:解决了API密钥续期后在刷新后不持久化的问题,确保了认证机制的可靠性。
-
图形界面体验:修复了图形布局和用户体验方面的重要回归问题,使可视化分析更加流畅。
-
订阅机制:修复了GraphQL订阅功能的中断问题,恢复了AI功能和其他依赖订阅机制的组件正常运行。
-
TAXII服务器兼容性:解决了TAXII服务器中出现的"没有可用的relation converter_2_1"错误,提升了与其他系统的互操作性。
用户体验改进
除了上述修复外,6.6.7版本还包含多项用户体验优化:
- 改进了CK Editor在源代码模式下的变更检测机制,解决了文档保存问题
- 优化了图形初始缩放行为,使可视化分析更加直观
- 修复了导出生成后的无限加载问题
- 改进了CSV映射器中作者默认值的显示方式
技术实现细节
在技术实现层面,这个版本包含了多项底层改进:
-
缓存管理:改进了API密钥续期后的缓存更新机制,确保认证状态的一致性。
-
批量处理优化:对知识图谱中的删除操作进行了顺序化处理,提高了大规模数据操作的可靠性。
-
状态管理:修正了状态更新逻辑,确保不会对不支持状态的实体应用状态变更。
-
嵌套关系:修复了与恶意软件创建嵌套关系的问题,扩展了数据建模能力。
OpenCTI 6.6.7版本的这些改进和修复,进一步提升了平台的稳定性和可用性,使其成为企业安全团队管理威胁情报的更加强大和可靠的工具。对于现有用户来说,升级到这个版本将获得更流畅的操作体验和更少的中断问题。
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