OpenCTI平台中可观测类型显示问题的技术解析
2025-05-31 15:17:27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
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
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
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
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210