DefectDojo 2.42.2版本发布:安全管理平台的重要更新
DefectDojo是一个开源的缺陷管理平台,它帮助安全团队高效地跟踪和管理应用程序安全问题。作为一个DevSecOps工具,DefectDojo提供了问题聚合、风险评估、工作流管理和报告功能,使安全团队能够更好地与开发团队协作。
核心功能更新
权限控制优化
本次版本对"Request Review"功能的RBAC(基于角色的访问控制)实现进行了改进,使其行为更加符合预期。在安全管理场景中,精确的权限控制至关重要,这一优化确保了评审请求流程中的权限检查更加严格和准确。
时间过滤增强
针对问题的"Mitigated On/Before/After"状态,新版本引入了DateTimeFilter,提供了更精确的时间过滤能力。安全团队现在可以根据具体的缓解时间范围来筛选问题,这在处理大量数据时特别有用。
资源注解支持
新增了对不同资源的注解功能,这为安全团队提供了更灵活的元数据管理能力。注解可以用于标记问题的特殊属性、处理状态或其他自定义信息,增强了系统的可扩展性。
安全扫描器集成改进
AWS安全服务增强
新版本对AWS SecurityHub和Inspector2解析器进行了增强,增加了对imageTags的支持。这使得在云原生环境中,安全团队能够更好地跟踪和管理容器镜像相关的问题。
Semgrep解析器优化
修复了Semgrep JSON报告中"fingerprint"和"lines"字段在需要登录情况下的处理问题。这一改进确保了即使需要认证访问的代码库,扫描结果也能被正确解析和处理。
风险评估功能增强
EPSS范围过滤器
新增了针对EPSS(Exploit Prediction Scoring System)的范围过滤器。EPSS是一个预测问题被利用可能性的评分系统,这一功能使安全团队能够根据问题被利用的可能性范围进行筛选,优先处理高风险问题。
XML解析器测试
为XML解析器中的Finding(发现)功能增加了测试用例,提高了解析器的稳定性和可靠性。这对于依赖XML格式报告的安全工具集成尤为重要。
后台架构改进
异步删除优化
针对异步删除操作中的竞态条件问题进行了加固。在大规模管理系统中,异步操作是提高性能的关键,这一改进确保了删除操作在高并发情况下的数据一致性。
验证状态粒度控制
数据库迁移中增加了验证状态的粒度控制,使安全团队能够更精细地管理问题验证过程。这一改进为复杂的安全验证工作流提供了更好的支持。
技术细节优化
通知系统改进
修复了通知上下文中site_url的使用问题,确保系统通知中的链接能够正确指向实例地址。这对于分布式部署环境尤为重要。
依赖项更新
将Django框架从5.1.4升级到5.1.5版本,包含了最新的安全修复和性能改进。
DefectDojo 2.42.2版本的这些更新进一步提升了平台的安全性、稳定性和可用性,特别是在大规模企业环境中的表现。安全团队现在能够更高效地管理问题生命周期,从发现到解决的整个过程都得到了增强。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C046
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
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
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0124
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