Tracecat 0.31.0版本发布:增强案例管理与AI集成能力
2025-06-18 18:19:21作者:史锋燃Gardner
项目概述
Tracecat是一个开源的自动化工作流和安全编排平台,专注于安全运营中心(SOC)和事件响应场景。该项目通过可视化工作流设计、丰富的集成能力和自动化处理功能,帮助安全团队提升运营效率。最新发布的0.31.0版本带来了多项重要改进,特别是在案例管理系统和AI集成方面有显著增强。
核心功能更新
1. 案例管理系统全面升级
0.31.0版本对案例管理功能进行了全方位改进,构建了一个完整的案例生命周期管理系统:
- 案例操作逻辑优化:重新设计了案例更新操作的处理逻辑,确保数据一致性和操作可靠性。新增了详尽的测试用例覆盖各种操作场景。
- 案例评论功能:实现了案例评论的后端支持,允许团队成员在案例中记录讨论和决策过程。评论系统支持创建、更新操作,并提供了专门的用户定义函数(UDF)接口。
- UI界面改进:案例管理界面经过重新设计,提升了信息展示密度和操作便捷性。新增了多种视图模式,便于快速浏览案例状态和关键信息。
2. AI集成能力重构
本版本对AI集成部分进行了重大重构:
- Chat Completions API支持:新增了通用的聊天补全API接口,解除了对特定AI模型的限制。现在可以灵活接入各种大语言模型,为自动化工作流提供更强大的自然语言处理能力。
- 模板系统简化:移除了原有的LLM模板系统,采用更直接的API调用方式,降低了使用复杂度,同时提高了灵活性。
- Ollama服务弃用:不再内置支持Ollama服务,转而采用更通用的AI模型集成方案。
3. 告警分诊代理生产化
将告警分诊代理功能从实验状态提升为生产就绪状态:
- 增强了代理的稳定性和可靠性
- 优化了处理逻辑,提高了分诊准确性
- 完善了与案例管理系统的集成
技术架构改进
1. 数据管理增强
- 执行器返回值大小限制:为防止内存问题,对工作流执行器的返回值大小进行了合理限制。
- 表结构约束:严格约束了数据库表的列类型,提高了数据一致性和查询效率。
- 自然键创建:实现了基于自然键的数据更新插入(Upsert)功能,简化了数据同步流程。
- 大文本处理:优化了CSV导入功能,改进了大文本数据的处理能力。
2. 用户体验优化
- 快捷键支持:新增了快捷键功能,可以快速切换事件面板和操作面板的显示状态。
- 表格显示优化:对查找表中超过25个字符的文本内容自动进行折叠显示,提高了表格的可读性。
基础设施更新
- 端口参数化:公共服务端口现在可以通过配置参数进行调整,提高了部署灵活性。
- SAML集成指南:新增了使用Authentik进行SAML集成的详细说明文档。
- 监控指标端口配置:使监控指标的暴露端口可通过环境变量配置。
质量保证
本版本修复了多个关键问题:
- 修复了表格删除操作中的潜在问题
- 解决了CSV导入窗口的显示问题
- 优化了大文本内容的处理逻辑
- 修正了Slack集成中的响应类型处理
总结
Tracecat 0.31.0版本标志着该项目在案例管理和AI集成方面迈出了重要一步。通过重构核心功能、增强系统稳定性和改进用户体验,这个版本为安全运营团队提供了更强大、更可靠的工作流自动化平台。特别是案例管理系统的完善,使得安全事件的处理过程更加规范化和可追溯,而AI集成的重构则为未来的智能自动化功能打下了坚实基础。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0191
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 Notebook0115
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。Java04
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
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler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。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 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 Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220