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。
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