OpenBAS平台1.13.0版本发布:注入管理与安全测试新特性解析
OpenBAS作为一款开源的网络安全评估与培训平台,其1.13.0版本带来了一系列重要的功能增强和优化,特别是在注入管理、目标筛选和漏洞扫描方面有了显著提升。本文将深入解析这些新特性及其技术实现。
注入管理功能增强
1.13.0版本最核心的改进之一是注入了导入导出功能的全面升级。现在用户不仅可以导入导出完整的场景或模拟,还可以选择性地导出特定类型的注入内容,并将其灵活地应用到其他场景或模拟中。这一功能通过后端新增的专用端点实现,支持JSON格式的数据交换。
在技术实现上,平台重构了注入表单的字段处理逻辑,从基于键(key)的模式转变为基于类型(type)的模式,这使得注入内容的处理更加规范和一致。同时,前端界面也进行了优化,包括注入上传按钮的间距调整、标题表单的样式修正等细节改进。
目标筛选与权限控制
新版本引入了基于目标的注入筛选功能,用户现在可以根据团队、资产或资产组来过滤注入内容。这一功能帮助用户更清晰地理解每个注入将影响的具体目标范围。
在权限控制方面,平台修复了RBAC(基于角色的访问控制)系统中关于注入输出的访问权限问题,现在规划者(planner)角色可以正确查看注入结果。后端通过调整API权限设置实现了这一改进。
安全测试能力扩展
1.13.0版本新增了Nmap扫描注入器,这是平台安全测试能力的重要扩展。Nmap作为知名的网络探测和安全审核工具,其集成使得用户能够直接通过OpenBAS平台获取资产的开放端口信息,这些结果会显示在专门的"发现"区域。
在技术架构上,平台引入了"输出契约"(Output contract)和"发现"(findings)的新逻辑,为标准化的结果收集和处理提供了框架。这一改进特别针对不同类型的执行器(executors)如何收集端点信息的问题,实现了更一致的端点收集方式。
其他重要改进
在用户体验方面,平台修复了仪表板页面在MITRE矩阵较大时的显示问题,调整了时间轴中注入图标的间距,并优化了原子测试概览中代理结果预期的展示。
在技术架构层面,平台改进了代理注册端点ID的机制,增加了迁移跟踪状态,并引入了特性标志(feature flag)来管理UI代理预期功能。此外,还添加了Pyroscope支持以方便调试。
对于多语言支持,平台修复了Caldera执行器无响应的翻译问题,并确保注入器类型名称在表单中正确翻译显示。
总结
OpenBAS 1.13.0版本通过注入管理的灵活性提升、目标筛选的精确化以及安全测试能力的扩展,进一步强化了其作为网络安全评估平台的核心价值。这些改进不仅提升了用户体验,也为企业安全团队提供了更强大的测试和分析工具。特别是Nmap扫描注入器的加入,使得平台在漏洞发现和资产暴露面评估方面的能力得到了显著增强。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00