RT 4.4.8版本发布:关键安全更新与功能改进
项目简介
RT(Request Tracker)是一个开源的问题跟踪系统,由Best Practical Solutions开发维护。作为企业级工单管理系统,RT广泛应用于IT服务管理、客户支持和技术支持等领域。该系统以其灵活性、可扩展性和强大的工作流功能著称,能够帮助团队高效地跟踪和管理各种请求与问题。
安全更新
本次发布的RT 4.4.8版本主要包含两个重要的安全修复,进一步提升了系统的安全性。
跨站脚本(XSS)问题修复
RT 4.4系列被发现存在一个跨站脚本问题,攻击者可以通过构造特殊的搜索URL参数注入恶意脚本。这种攻击可能导致用户会话被获取、信息泄露或其他不当操作。该问题已被分配CVE编号CVE-2025-30087。
技术团队已经修复了这个问题,确保所有用户输入在显示前都经过适当的转义处理。对于系统管理员来说,及时升级到这个版本可以有效防范此类攻击。
SMIME加密算法升级
另一个安全改进涉及SMIME邮件加密功能。RT 4.4之前版本默认使用3DES(des3)算法进行SMIME邮件加密,这是一种已经被认为不够安全的加密算法。现代安全实践推荐使用更强大的加密标准。
在RT 4.4.8中,开发团队做出了以下改进:
- 将默认加密算法升级为aes-128-cbc,提供更强的安全性
- 新增配置选项,允许管理员根据实际需求选择其他加密算法
- 保留了回退到des3的选项,确保与旧系统的兼容性
这个改进对应的CVE编号为CVE-2025-2545。对于处理重要邮件的组织,这一改进尤为重要。
功能改进
除了安全更新外,RT 4.4.8还包含了一些实用的功能改进:
会话清理工具增强
rt-clean-sessions工具新增了"all"选项,允许管理员一次性清理所有会话。这在系统维护或安全事件响应时特别有用,可以快速终止所有活跃会话。
测试套件更新
随着GPG 2.4及以上版本的发布,其警告消息格式发生了变化。RT 4.4.8更新了相关测试用例,确保测试套件能够兼容新版GPG的输出。
依赖项清理
开发团队移除了对DBIx::SearchBuilder的不必要且过时的版本要求,简化了依赖管理,使安装过程更加顺畅。
升级建议
RT 4.4.8是一个维护版本,重点解决了安全问题和进行了小规模改进。对于当前使用RT 4.4.x系列的用户,建议尽快安排升级,特别是那些暴露在公网或有高安全要求的部署环境。
需要注意的是,随着RT 6.0.0的即将发布,RT 4.4系列将很快到达生命周期终点。长期用户应考虑制定升级到RT 5或RT 6的计划,以继续获得安全更新和新功能支持。
升级前建议:
- 全面备份现有系统和数据库
- 在测试环境验证升级过程
- 检查自定义扩展与新版RT的兼容性
- 查看变更日志了解可能影响工作流的修改
RT持续为企业提供可靠的工单管理解决方案,这次更新再次体现了开发团队对安全性和稳定性的承诺。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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