OpenCTI平台中可观测类型显示问题的技术解析
2025-05-31 13:40:04作者:翟江哲Frasier
问题背景
在OpenCTI平台的安全运营过程中,Decay规则(衰减规则)是一个重要的功能模块,它允许管理员根据预定义的规则自动调整指标的可信度或重要性随时间的变化。然而,在最新版本中发现了一个影响用户体验的显示问题——在Decay规则界面中,可观测类型(Observable types)没有正确显示翻译后的功能名称,而是直接展示了技术名称。
问题现象
具体表现为两个主要场景:
-
Decay规则概览页面:当用户导航至"设置 > 自定义 > Decay规则"并点击某个规则时,在规则概览中,可观测类型的显示使用了技术名称而非用户友好的功能名称。
-
规则创建表单:在创建新Decay规则的界面中,类型选择器中的标签同样使用了技术名称而非翻译后的功能名称。
技术分析
这个问题本质上属于国际化(i18n)和本地化(l10n)范畴的显示问题。OpenCTI平台作为一个国际化支持良好的系统,通常会维护两套命名体系:
- 技术名称:用于系统内部标识和代码引用,通常是英文且保持不变的
- 功能名称:面向用户的友好名称,会根据用户语言设置显示相应的翻译
从技术实现角度看,这个问题可能源于:
- 前端组件直接引用了可观测类型的技术名称,而没有通过平台的翻译服务进行转换
- Decay规则模块可能缺少对可观测类型名称的翻译映射配置
- 或者是在数据传递过程中,翻译层被意外绕过
对比验证
值得注意的是,同样的可观测类型在CSV订阅源(CSV feeds)界面中显示正常,能够正确展示翻译后的功能名称。这一对比表明:
- 平台已经具备完整的可观测类型翻译能力
- 问题特定存在于Decay规则模块的实现中
- 解决方案可以参考CSV订阅源界面的实现方式
解决方案建议
针对这个问题,开发团队可以采取以下修复措施:
- 前端修复:确保所有可观测类型的显示都通过平台的翻译服务进行渲染
- 数据层修复:在API响应中直接包含翻译后的名称,减轻前端负担
- 统一组件:考虑复用CSV订阅源界面中已经正常工作的显示组件
影响评估
虽然这个问题不会影响系统功能,但会对非技术用户造成一定的理解障碍:
- 安全分析师可能不熟悉某些可观测类型的技术名称
- 影响规则配置的准确性和效率
- 在多语言环境中造成一致性问题
总结
OpenCTI平台中的这个显示问题虽然看似简单,但它反映了国际化支持在复杂系统中的重要性。良好的用户体验不仅需要功能完整,还需要在各个模块间保持一致的展示方式。通过修复这个问题,可以提升平台的整体易用性和专业性,特别是在多语言环境下的表现。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218