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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00