OpenBAS 1.12.0版本发布:增强威胁模拟与自动化测试能力
OpenBAS是一个开源的自动化安全测试平台,旨在帮助安全团队构建、管理和执行复杂的网络安全模拟场景。该平台通过自动化技术简化了红队演练、蓝队训练和安全评估的流程,使组织能够更高效地测试和改进其安全防御能力。
核心功能增强
OpenCTI集成与TTP占位符机制
新版本显著提升了与OpenCTI的集成能力。当用户从OpenCTI生成场景时,系统现在能够清晰展示所有未被现有载荷库覆盖的战术、技术和程序(TTP)。这些未覆盖项会以占位符形式出现在场景中,用户可以方便地替换为自定义载荷,从而确保场景的完整性。这一改进极大地提升了威胁模拟的覆盖范围和准确性。
自动化资产组分配
1.12.0版本引入了基于标签的自动化资产组分配功能。用户现在可以为特定标签的场景和模拟定义默认应用的资产组。这一特性不仅简化了OpenBAS场景的资产组分配流程,更重要的是实现了从OpenCTI创建场景时的自动资产分配,大幅提升了工作效率。
执行跟踪与状态管理优化
多端点多代理执行跟踪
新版本彻底重构了载荷执行跟踪机制,现在能够按资产和代理组织执行轨迹。在技术注入的"执行详情"选项卡中,用户可以清晰地看到按代理分组的跟踪信息,而代理又按端点进行组织。这种层级结构使用户能够轻松追踪代理和端点级别的执行进度。
每个代理的执行过程现在会生成多个跟踪记录,对应不同的执行阶段:
- 先决条件检查(执行前验证)
- 先决条件获取(仅在检查失败时)
- 攻击命令
- 清理命令
系统还明确了三种不同的状态显示:
- 跟踪状态:每个执行步骤都会报告状态
- 代理状态计算:代理完成执行后,服务器检索所有跟踪并基于特定规则计算代理状态
- 注入状态:所有代理完成执行后,系统使用相同逻辑计算注入状态
手动注入功能增强
1.12.0版本对手动注入功能进行了重要改进。用户现在可以为手动注入分配团队和期望值,这使得记录和评估OpenBAS无法直接捕获的事件成为可能。例如,用户可以创建一个"已组建危机小组"的手动注入,并验证"使用了正确的协议"这一期望。
技术架构升级
平台将推荐的PostgreSQL版本更新至17。虽然仍支持PG16,但不再建议使用低于推荐版本的数据库。这一变更确保了系统能够利用最新数据库技术的性能和安全性改进。
文档完善
开发团队投入大量精力完善了文档体系,重点更新了以下内容:
- Microsoft Sentinel与Microsoft Defender的配置协同工作原理
- RabbitMQ、MinIO和Postgres的设置指南
- 目标团队创建流程
- 通过SwaggerUI使用OpenBAS REST API的方法
其他重要改进
1.12.0版本还包含多项功能增强和问题修复,包括:
- 禁用通过筛选器包含的资产从资产组中移除的控制
- 为CrowdStrike和Tanium代理安装添加文档链接
- 实现每个代理级别的期望结果
- 澄清CrowdStrike收集器名称
- 增加仪表板顶部四个小部件时间范围的信息说明
- 提升同时运行100个模拟的能力
- 修复文档重复、团队玩家计数不更新等多项问题
OpenBAS 1.12.0通过上述改进,进一步巩固了其作为专业级自动化安全测试平台的地位,为用户提供了更强大、更易用的威胁模拟和测试能力。
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-1.5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