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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0186
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08