StackRox 4.7.0-rc.2 版本深度解析:安全扫描与云原生防护新突破
StackRox作为一款领先的Kubernetes原生安全平台,专注于为容器化应用提供端到端的安全防护。最新发布的4.7.0-rc.2版本在安全扫描能力、证书管理、身份认证等多个关键领域实现了重要突破,进一步强化了云原生环境的安全防护体系。
核心安全扫描能力升级
本次版本最显著的改进在于Scanner V4扫描引擎的全面增强。该引擎现已默认在所有安全集群中启用,并优先于传统的StackRox Scanner使用。特别值得注意的是新增了对RHCOS(Red Hat CoreOS)节点扫描的支持,能够检测RHCOS容器化镜像本身的漏洞,这一特性对于运行在OpenShift平台上的工作负载尤为重要。
Scanner V4通过引入报告缓存机制,有效减少了节点上的重复IO负载,提升了大规模集群环境下的扫描效率。同时,扫描引擎新增了对openSUSE Leap 15.5和15.6的支持,同时取消了对较旧版本15.0和15.1的兼容性。
在漏洞数据处理方面,Scanner V4现在采用Red Hat的VEX文件替代原有的CVE映射数据,用于处理官方Red Hat镜像中非RPM内容相关的漏洞信息。此外,还引入了Red Hat的CSAF数据源,显著改善了Red Hat安全公告(RHSA/RHBA/RHEA)数据的一致性问题。
安全增强与运维优化
4.7.0-rc.2版本在证书管理方面实现了重要改进,为通过Helm或Operator安装的安全集群提供了自动服务证书续期功能,大大简化了证书管理的运维负担。
日志管理方面新增了可配置的日志轮转功能,通过ROX_LOGGING_MAX_ROTATION_FILES和ROX_LOGGING_MAX_SIZE_MB环境变量,管理员可以灵活控制日志轮转文件的数量和大小,更好地满足不同规模部署的日志管理需求。
身份认证体系也得到增强,新增了针对Azure集成的短期令牌认证支持,可与Azure工作负载或托管身份配合使用,提升了云服务集成的安全性。
架构与功能演进
本次版本移除了Collector的Slim模式,该功能自4.5版本起已被标记为弃用。所有配置为使用slim模式的集群将自动转换为使用常规Collector镜像。相关的环境变量RELATED_IMAGE_COLLECTOR_SLIM和RELATED_IMAGE_COLLECTOR_FULL已被移除,统一由RELATED_IMAGE_COLLECTOR替代。
值得注意的是引入了集群注册密钥(CRS)作为初始化包的继任者,用于安全集群的注册流程。这一变化为集群注册提供了更加安全和灵活的方式。
在技术预览阶段,新增了SBOM(软件物料清单)生成功能,可通过UI、CLI(roxctl image sbom)和API(/api/v1/images/sbom)从Scanner V4镜像扫描生成SBOM。该功能目前仅支持通过Central执行的扫描,未来版本将扩展支持委托扫描。
兼容性与配置调整
Azure集成方案进行了重要调整,API响应中的数据结构从docker字段变更为azure字段。虽然旧格式仍被支持,但已被标记为弃用。使用委托扫描功能的用户需注意,当创建或更新Azure镜像集成时,需要确保Central和安全集群均已升级至ACS 4.7或更高版本。
对于OpenShift用户,系统现在会为OCP全局拉取密钥自动生成独立的镜像集成配置,该功能可通过设置ROX_AUTOGENERATE_GLOBAL_PULLSEC_REGISTRIES为false来禁用。
总结
StackRox 4.7.0-rc.2版本通过多项技术创新,进一步巩固了其在云原生安全领域的领先地位。从增强的漏洞扫描能力到简化的证书管理,从改进的日志处理到更安全的身份认证机制,这些改进共同构建了更加全面、高效的容器安全防护体系。特别是Scanner V4的成熟和RHCOS扫描支持的加入,使得该平台能够更好地服务于企业级Kubernetes环境的安全需求。
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