Arkime 5.6.2版本发布:网络流量分析工具的重要更新
Arkime是一款开源的网络流量分析工具,它能够捕获、索引和存储网络流量数据,帮助安全分析师和网络管理员进行网络流量分析、安全研究和故障排查。Arkime提供了强大的搜索和可视化功能,使得分析海量网络数据变得更加高效。
本次发布的Arkime 5.6.2版本带来了一系列功能增强和问题修复,主要涉及数据库管理工具db.pl、流量捕获功能以及用户界面等方面。这些改进进一步提升了Arkime的稳定性、安全性和用户体验。
数据库管理工具(db.pl)改进
Arkime 5.6.2对数据库管理工具db.pl进行了重要升级。首先,它现在支持超过55个字符的长密码,这一改进解决了之前版本中密码长度限制的问题,为用户提供了更高的安全性选择。
其次,新版本引入了一个实用的批量文件移动功能。通过db.pl mv <节点> <旧前缀> <新前缀>命令,管理员可以一次性移动大量文件,这在数据重组或存储优化时特别有用。这个功能大大简化了大规模数据迁移的操作流程。
需要注意的是,从5.1.2或更早版本升级到5.6.2时,必须执行db.pl升级操作,这是本次升级的一个重要前提条件。
流量捕获功能增强
在流量捕获方面,5.6.2版本带来了几个关键改进:
-
新增了对解密SMTP协议的支持,这使得分析加密的电子邮件流量成为可能,为安全分析提供了更多有价值的数据。
-
增加了对ERSPAN Type III的支持。ERSPAN(Encapsulated Remote SPAN)是一种网络流量分析技术,允许跨越三层网络边界镜像流量。Type III支持扩展了Arkime在网络流量分析方面的能力。
-
改进了错误处理机制,现在会记录批量FORBIDDEN错误,帮助管理员更好地识别和解决权限相关问题。
用户界面和功能修复
Arkime 5.6.2版本还修复了多个影响用户体验的问题:
-
修复了会话原型污染的安全问题,增强了系统的安全性。
-
改进了会话详情页面中长数组的显示问题,现在能够正确展示大型数据集。
-
解决了ERSPAN解码相关的问题,确保流量分析更加准确。
-
修复了证书签发者CN(issuerCN)和证书序列号(cert.serial)在会话详情中不显示的问题,完善了SSL/TLS证书信息的展示。
-
优化了S3存储相关的功能,修复了s3http/s方案下块缓存不正确的问题,以及在使用writer-s3但不压缩时数据包不显示的问题。
系统兼容性
Arkime 5.6.2提供了针对多种Linux发行版的安装包,包括不同架构(amd64和arm64)的支持。特别需要注意的是,由于不同Linux发行版提供的库版本存在差异,用户需要根据自己系统的具体版本选择合适的安装包。例如,对于CentOS 8或RHEL 8系统应选择el8版本,而非RHEL 9版本。如果遇到libssl版本错误,通常是因为选择了不匹配的安装包。
此外,Arkime还继续提供了JA4+指纹识别模块的单独安装选项,这是一个用于TLS指纹识别的扩展功能,可以帮助识别特定的客户端或软件行为。
总结
Arkime 5.6.2版本虽然在版本号上是一个小版本更新,但包含了一系列重要的功能增强和问题修复。从数据库管理工具的改进到流量分析能力的扩展,再到用户界面的优化,这些变化共同提升了Arkime作为网络流量分析工具的实用性和可靠性。对于现有的Arkime用户,特别是那些需要处理加密SMTP流量或使用ERSPAN分析技术的用户,升级到5.6.2版本将带来明显的改进。
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