OpenBAS 1.12.0 版本发布:增强安全测试与自动化能力
OpenBAS 是一个开源的自动化安全测试平台,旨在帮助安全团队更高效地进行安全演练和测试。它提供了丰富的功能,包括场景模拟、注入测试、资产管理和团队协作等,使安全专业人员能够全面评估和改进组织的安全防御能力。最新发布的 1.12.0 版本带来了多项重要改进,特别是在 OpenCTI 集成、资产组自动分配、执行跟踪和手动注入等方面。
OpenCTI 集成增强:TTP 占位符功能
在安全测试中,了解测试覆盖范围至关重要。1.12.0 版本引入的 TTP(战术、技术和程序)占位符功能,使得从 OpenCTI 生成场景时,可以清晰地看到哪些 TTP 尚未被有效覆盖。这些未覆盖的 TTP 会以占位符形式出现在场景中,安全团队可以针对性地创建自定义有效载荷来完善测试场景。这一改进显著提升了安全测试的全面性和针对性。
自动化资产组分配
为了提高测试效率,1.12.0 版本新增了基于标签的资产组自动分配功能。通过为场景和模拟定义标签,系统可以自动应用预设的资产组配置。这不仅简化了 OpenBAS 场景的资产组设置流程,更重要的是实现了从 OpenCTI 创建场景时的资产自动分配,大大减少了手动配置的工作量。
执行跟踪优化:多终端多代理支持
在复杂的测试环境中,跟踪有效载荷的执行情况往往具有挑战性。新版本重新组织了执行跟踪的显示方式,按照资产和代理进行分组,使跟踪更加清晰直观。在技术注入的"执行详情"选项卡中,现在可以按代理查看跟踪信息,而代理又按终端分组。这种层次化的展示方式让安全团队能够轻松掌握执行进度。
每个代理的执行过程会生成多个跟踪记录,包括:
- 先决条件检查(执行前的验证)
- 先决条件获取(仅在检查失败时)
- 攻击命令
- 清理命令
系统还明确了三种不同的状态显示:
- 跟踪状态:每个执行步骤都会报告状态
- 代理状态计算:代理完成执行后,服务器检索所有跟踪并基于规则计算代理状态
- 注入状态:所有代理完成执行后,系统使用相同逻辑计算注入状态
手动注入功能增强
对于无法通过 OpenBAS 自动捕获的事件,1.12.0 版本改进了手动注入功能。现在可以为手动注入分配团队和期望,例如创建一个"危机小组已组建"的注入,并验证"使用了正确的协议"这一期望。这一改进扩展了 OpenBAS 的应用场景,使其能够记录和评估更多类型的安全事件。
技术栈更新与优化
在基础设施方面,1.12.0 版本将推荐的 PostgreSQL 版本更新至 17。虽然系统仍可在 PG16 上运行,但不再支持低于推荐版本的 PostgreSQL。这一更新确保了系统的稳定性和性能。
文档完善
开发团队投入了大量精力完善文档,确保用户能够清晰理解和使用各项功能。重点更新的文档包括:
- Microsoft Sentinel 与 Microsoft Defender 的配置说明
- RabbitMQ、MinIO 和 PostgreSQL 的安装指南
- 目标团队的创建方法
- 使用 SwaggerUI 的 OpenBAS REST API 说明
其他重要改进
1.12.0 版本还包含多项功能增强和错误修复,例如:
- 禁用从资产组中移除通过筛选器包含的资产的控制
- 为 CrowdStrike 和 Tanium 代理安装添加文档链接
- 修复了文档重复添加的问题
- 解决了团队玩家计数不更新的问题
- 修正了导入场景时的错误
- 修复了执行包含可执行文件的注入时的错误
这些改进共同提升了 OpenBAS 平台的稳定性、可用性和功能性,使其成为安全团队进行自动化测试和演练的更强大工具。
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。C042
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TSX0121
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