Yeti平台2.2.2版本发布:安全情报分析工具的优化与改进
2025-06-26 19:05:14作者:申梦珏Efrain
项目简介
Yeti是一个开源的安全情报分析平台,主要用于收集、分析和关联各种安全威胁数据。它能够帮助安全研究人员和威胁情报分析师更好地理解攻击者的行为模式,发现潜在的威胁指标(IoC),并通过自动化流程提高威胁情报的处理效率。
核心功能改进
时间戳自动更新机制
在2.2.2版本中,开发团队实现了一个重要改进:在保存操作时自动更新修改时间戳。这一看似简单的功能实际上对安全分析工作流有着重要意义:
- 审计追踪增强:安全分析师现在可以更准确地追踪每个数据项的修改历史
- 数据新鲜度标识:自动更新的时间戳帮助团队快速识别最近处理过的数据
- 工作流优化:减少了手动更新时间戳的操作步骤,提高了工作效率
状态管理优化
针对系统状态管理进行了重要修复:
- 状态不匹配处理:当检测到状态不匹配时,系统现在会重定向到根路径而非返回500错误
- 用户体验提升:这一改进显著减少了因状态问题导致的意外中断
- 系统稳定性增强:更优雅的错误处理机制提高了整体稳定性
安全分析功能增强
DFIQ框架修复
DFIQ(Digital Forensics and Incident Response Questions)框架得到了重要修复:
- 功能完整性:修复了影响DFIQ功能的关键问题
- 调查流程优化:确保数字取证和事件响应问题框架能够正常工作
- 分析效率提升:安全团队可以更可靠地使用这一框架进行系统性调查
YARA规则改进
YARA恶意软件识别功能获得了多项改进:
- 规则处理优化:提升了YARA规则的处理效率和准确性
- 检测能力增强:改进了恶意软件样本的识别能力
- 性能提升:优化了规则匹配的执行效率
数据收集与处理
新数据源处理
2.2.2版本对数据源处理进行了多项改进:
- CIRCL PDNS更新:改进了被动DNS数据的收集和处理
- CIRCL被动SSL修复:移除了fetch_cert中未使用的参数,优化了SSL证书收集
- 资源泄漏修复:解决了可能导致资源泄漏的句柄问题
Beats数据处理
新增了专门的入口点用于处理Beats数据:
- 数据规范化:为Beats数据提供标准化的处理流程
- 扩展性增强:为未来支持更多Beats数据类型奠定了基础
- 处理效率提升:优化了Beats数据的接收和处理性能
系统架构与性能
依赖项更新
2.2.2版本对多个关键依赖项进行了更新:
- 安全补丁应用:包括对python-multipart和jinja2等重要组件的更新
- 兼容性增强:确保系统与最新依赖版本的兼容性
- 性能优化:通过依赖更新带来了潜在的性能改进
图形搜索验证
为图形搜索功能添加了验证机制:
- 查询验证:确保图形搜索查询的合法性和有效性
- 错误预防:减少了因无效查询导致的系统问题
- 用户体验改善:提供更友好的错误反馈机制
日志与监控
时间线日志功能
引入了时间线日志功能:
- 操作追踪:记录关键操作的时间线信息
- 审计能力增强:提供更完整的系统活动记录
- 故障排查辅助:帮助管理员更有效地诊断系统问题
总结
Yeti平台2.2.2版本虽然是一个小版本更新,但包含了多项对安全分析工作流有实质性影响的改进。从时间戳自动更新到YARA规则优化,从状态管理修复到新数据源处理,这些改进共同提升了平台的稳定性、安全性和可用性。对于依赖Yeti进行威胁情报分析的安全团队来说,升级到2.2.2版本将带来更流畅的分析体验和更可靠的分析结果。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
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++
661
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217