dotnet-docker项目中Chiseled镜像的CVE-2024-6119问题修复分析
在dotnet-docker项目中,近期发现了一个关于Chiseled镜像的安全问题。CVE-2024-6119是一个影响OpenSSL组件的安全问题,该问题主要影响执行证书名称检查的应用程序。当应用程序比较预期名称与X.509证书的subject alternative name时,可能会尝试读取无效的内存地址,导致应用程序异常终止。
这个问题的严重程度被评估为中等,因为它可能导致拒绝服务攻击。值得注意的是,基本的证书链验证(签名、日期等)不受影响,只有在应用程序同时指定预期的DNS名称、电子邮件地址或IP地址时才会触发此问题。TLS服务器通常不受影响,因为它们很少请求客户端证书,即使请求也很少执行针对参考标识符的名称检查。
在标准dotnet-sdk镜像中,这个问题已经在上游修复后得到了解决。然而,Chiseled镜像由于其特殊的设计理念,更新机制有所不同。Chiseled是一种"distroless"镜像,这意味着它没有可更新的基础镜像,这也是它没有立即获得更新的技术原因。
根据dotnet-docker项目的镜像更新策略,目前只针对基础镜像更新和关键严重性问题进行重建。对于中等严重性的问题,项目团队认为镜像使用者可以根据自身应用的安全需求决定是否需要更新。这种策略旨在避免不必要的下游重建,特别是在Chiseled这种攻击面已经大大减少的特殊镜像上。
对于使用Ubuntu Chiseled镜像的用户,目前扩展或更新镜像的支持还比较有限。Ubuntu方面正在进行相关工作来改进这一状况。项目团队也欢迎用户反馈,以评估是否需要调整对distroless镜像的更新策略。
从安全最佳实践的角度来看,开发人员应该:
- 了解自己使用的镜像类型及其更新机制
- 评估应用程序是否执行证书名称检查等可能受此问题影响的操作
- 关注定期的安全更新周期(如每月的补丁星期二)
- 考虑使用安全扫描工具定期检查容器镜像
值得注意的是,在后续的定期更新中,这个问题已经得到解决。最新扫描结果显示,更新后的镜像已经不再受CVE-2024-6119影响。这再次强调了保持镜像更新的重要性,特别是在安全敏感的应用场景中。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00