ModSecurity v2.9.9版本发布:安全修复与功能优化
ModSecurity是一个开源的Web应用防火墙(WAF)引擎,它能够为Web应用程序提供强大的保护,防御各种攻击如SQL注入、跨站脚本(XSS)等。作为Apache、Nginx和IIS等流行Web服务器的模块,ModSecurity通过实时监控HTTP流量并应用安全规则来保护Web应用。
安全问题修复
本次v2.9.9版本最重要的更新是修复了一个服务不可用(DoS)问题(CVE-2025-47947)。这个问题存在于之前的版本中,可能导致恶意用户通过特定方式使服务不可用。开发团队@theseion、@fzipi和@airween通过私有仓库的Pull Request合作完成了这个关键修复。
服务不可用问题通常允许恶意用户消耗服务器资源,使其无法响应合法请求。在Web应用防火墙中修复此类问题尤为重要,因为WAF本身作为安全防线,其稳定性直接影响整个Web应用的安全性。
主要功能改进
全局互斥锁优化
版本对全局互斥锁(global mutex)的处理进行了多项改进:
- 增加了错误代码日志记录,帮助开发者更好地诊断互斥锁失败的情况
- 修正了apr_global_mutex_create()函数的使用方式
- 完善了对apr_global_mutex_lock错误的处理
互斥锁在多线程环境中用于同步对共享资源的访问,这些改进提升了ModSecurity在高并发环境下的稳定性和可靠性。
PCRE2正则表达式支持
开发团队对构建系统进行了重构,以支持PCRE2(Perl Compatible Regular Expressions 2):
- 为独立模块添加了PCRE2支持能力
- 修复了相关错误消息显示
- 增加了msc_fullinfo()函数来检查JIT编译状态
PCRE2是PCRE库的更新版本,提供了更好的性能和安全性。JIT(即时编译)技术可以显著提升正则表达式匹配速度,这对WAF性能至关重要。
测试与构建系统改进
- 恢复了'make test'命令的功能,使开发者能够方便地运行测试
- 将'make test'添加到v2的工作流程中
- 移除了链接器标志中不必要的@LIBXML2_CFLAGS@
这些改进提升了开发体验,使代码质量保障更加系统化。
XML处理与字符编码优化
新版本对XML参数处理进行了改进,并修复了UTF-8到Unicode转换中的问题,特别是00xx格式的处理。XML是现代Web应用常用的数据格式,正确处理XML数据对安全检测至关重要。
日志与错误处理
- 修正了独立模块的错误日志记录
- 修复了GCC编译器产生的警告
- 为规则200005添加了'log'操作
- 将id_log()函数移至msc_util以修复单元测试问题
良好的日志记录和错误处理是安全系统的重要组成部分,帮助管理员及时发现和解决问题。
总结
ModSecurity v2.9.9版本虽然是一个维护性更新,但包含了重要的安全修复和多项功能优化。从全局互斥锁的改进到PCRE2的支持,再到测试体系的完善,这些变化既提升了安全性,也改善了性能和稳定性。对于使用ModSecurity保护Web应用的用户和管理员来说,升级到这个版本是推荐的选择。
特别值得一提的是,这个版本展示了开源社区协作的力量,多位贡献者共同解决了关键的安全问题。这种协作模式正是开源安全软件能够持续发展和保持高质量的重要原因。
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