Security Onion 2.4.130版本发布:Elasticsearch升级与安全增强
Security Onion是一个开源的网络安全分析平台,集成了入侵检测、日志管理和安全分析等功能。它能够帮助安全团队实时分析网络流量、处理安全事件,并提供强大的可视化界面。最新发布的2.4.130版本带来了多项重要更新,特别是在Elasticsearch组件和安全功能方面的改进。
核心更新内容
Elasticsearch升级与优化
本次版本将Elasticsearch升级至8.17.3版本,并针对索引模板和管道同步进行了多项优化:
-
模板管理改进:移除了单独的集成自定义映射,统一迁移到so-fleet-integrations模板中,简化了管理流程。同时修复了本地pillar/global覆盖与生成索引模板合并的问题。
-
索引配置优化:将指标索引的副本数设置为0,提高了单节点部署环境下的资源利用率。新增了对需要Elastic许可证的集成支持,扩展了功能范围。
-
管道同步机制:强制实施ES管道同步,确保数据处理的连贯性和一致性。修复了日志-elastic_agent组件模板中缺失的设置项。
安全功能增强
-
TLS支持升级:在nginx配置中添加了TLSv1.3支持,并统一了各监听器的加密套件,提升了通信安全性。
-
Elastic Defend更新:更新了Elastic Defend的JSON配置,移除了旧版防御配置,确保使用最新的安全策略。
-
SOC操作改进:修复了SOC操作中process.entity_id值必须加引号的问题,增强了操作的准确性。
系统与组件更新
-
osquery升级:更新至v1.15.0版本,并同步了相关索引模板,增强了终端可见性。
-
网络分析增强:默认配置capinfos使用开始/结束时间参数,优化了数据包分析效率。新增了对zeek traceroute和ntp协议的支持。
-
仪表板改进:在Elastic Agent API仪表板中添加了sankey图表,直观展示process.name和process.Ext.api.name之间的关系。
部署与配置建议
对于计划升级到2.4.130版本的用户,建议:
-
在升级前备份现有配置和数据,特别是Elasticsearch索引模板相关配置。
-
检查网络设备的TLS兼容性,确保能够支持TLSv1.3协议。
-
对于大型部署环境,评估索引副本数设置为0对数据冗余的影响,必要时可进行调整。
-
关注osquery新版本的功能变化,可能需要调整相关查询和告警规则。
-
利用新的sankey图表功能优化安全事件分析流程,提升威胁检测效率。
Security Onion 2.4.130版本通过核心组件升级和安全功能增强,进一步提升了平台的稳定性和安全性,为安全团队提供了更强大的网络分析能力。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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