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。
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