NAPS2项目遭遇微软Defender误报问题的技术分析
背景概述
近期,NAPS2开源扫描软件在发布8.0b2版本时遇到了一个棘手的问题——微软Defender安全软件将该版本的安装包错误地标记为潜在风险软件。具体表现为,当用户尝试下载或安装NAPS2时,Defender会拦截并报告检测到"Script/Wacatac.B!ml"或"Win32/virut"等警告。
问题现象
在8.0b2版本中,主要受影响的是Windows平台的安装包,包括ZIP压缩包和MSI安装程序。其中,ZIP包中的"NAPS2.Worker.exe"文件尤为突出,在安全检测平台上获得了较高的检测率。值得注意的是,前一版本8.0b1的相同文件则显示零检测,这表明问题源于版本间的某些变更。
根本原因分析
经过技术团队调查,发现问题的根源可能来自以下几个方面:
-
.NET工具链升级:从8.0b1到8.0b2的过程中,项目将.NET工具链从9RC2升级到了9.0.101版本。新版本的构建方式可能触发了安全软件的启发式检测机制。
-
签名问题:开发团队发现了一个关键缺陷——工作进程(Worker)没有正确签名。这在安全软件看来是一个需要注意的信号,因为合法的应用程序组件通常都应该经过数字签名验证。
-
AOT编译问题:这与.NET 9的AOT(提前编译)特性有关。微软Defender对AOT编译生成的二进制文件存在较高的误报率,这在.NET社区中已有类似案例报告。
解决方案
开发团队迅速采取了以下措施来解决这一问题:
-
修复签名问题:提交了代码修复,确保所有可执行文件都经过正确签名。这一变更已经合并到主分支中。
-
等待安全厂商更新:向微软提交了误报报告,并等待安全厂商更新其检测规则。从历史经验来看,这类误报通常需要几天到几周时间才能得到解决。
-
版本更新:在后续的8.0b3版本中,这些问题已经得到解决,用户可以安全下载和使用。
给用户的建议
对于遇到此问题的用户,我们建议:
-
可以放心使用8.0b3及更高版本,这些版本已经解决了误报问题。
-
如果必须使用8.0b2版本,可以暂时将NAPS2安装目录添加到Defender的排除列表中,但需确保下载来源可信。
-
关注项目的官方发布渠道,获取最新的安全更新和使用建议。
总结
这次事件展示了开源软件在安全环境下面临的挑战,也体现了NAPS2开发团队对安全问题的快速响应能力。通过技术分析和及时修复,团队不仅解决了当前问题,也为未来的版本发布积累了宝贵经验。对于用户而言,理解这类误报现象的本质有助于在安全和使用便利性之间做出明智选择。
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