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。
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