DependencyTrack项目4.13.1版本发布:关键问题修复与稳定性提升
2025-06-16 00:42:01作者:彭桢灵Jeremy
项目概述
DependencyTrack是一款开源的软件组件分析平台,专注于持续监控项目依赖项中的安全风险。它通过分析软件物料清单(SBOM)来识别依赖组件中的已知问题,帮助开发团队及时发现和修复安全问题。作为一款企业级解决方案,DependencyTrack支持多种SBOM格式,并提供丰富的API接口和可视化界面。
4.13.1版本核心改进
数据库兼容性修复
本次发布重点解决了PostgreSQL数据库环境下NEW_VULNERABILITIES_SUMMARY通知分发失败的问题。对于使用PostgreSQL作为后端存储的用户,这一修复确保了问题摘要通知能够正常发送,不会因为数据库兼容性问题而丢失关键安全警报。
团队邮件通知功能完善
修复了计划通知邮件发布时团队邮箱地址不可用的问题。这一改进使得团队协作更加顺畅,确保所有相关成员都能及时收到安全通知,特别是在定时任务触发的场景下。
标签管理系统增强
- 重复标签处理:新增了防止标签名称和关系重复的机制,避免了数据冗余和潜在冲突。
- 标签删除优化:解决了当标签被项目集合逻辑使用时无法删除的问题,同时保证了数据完整性。
- 稳定性提升:改进了标签绑定的稳定性,使标签管理系统更加健壮可靠。
数据分类器约束修复
修正了分类器检查约束中缺失NONE值的问题,完善了数据验证机制,确保分类器字段能够正确处理所有可能的值。
技术细节优化
基础镜像升级
将Temurin基础镜像升级至21.0.7版本,带来了Java运行时的性能改进和安全增强,为整个系统提供了更稳定可靠的基础环境。
前端组件更新
捆绑的前端组件同步更新至4.13.1版本,与后端改进保持兼容,提供一致的用户体验。
版本升级建议
对于正在使用4.13.0版本的用户,特别是遇到以下情况的团队,建议尽快升级至4.13.1版本:
- 使用PostgreSQL作为数据库并依赖问题摘要通知功能
- 需要稳定的团队邮件通知机制
- 项目中使用标签管理系统且遇到相关问题
- 关注系统整体稳定性和数据完整性的用户
升级过程通常只需替换相应的JAR文件并重启服务,但建议在升级前备份数据库,特别是生产环境。
总结
DependencyTrack 4.13.1版本虽然没有引入新功能,但通过一系列关键问题的修复,显著提升了系统的稳定性和可靠性。这些改进主要集中在通知系统、标签管理和数据库兼容性方面,都是用户日常使用中可能遇到的实际问题。对于重视系统稳定性和数据完整性的团队,这次升级具有重要意义。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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