ZoomEye
PulseAugur coverage of ZoomEye — every cluster mentioning ZoomEye across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
NoteDiscovery 将用户登录与 API 密钥分离,以增强安全性
知识库 NoteDiscovery 更新了其身份验证机制,将浏览器用户的组织登录与其用于机器客户端的 API 密钥分开。此更改旨在通过确保用于 AI 助手 MCP 端点的 API 密钥不会授予与用户登录相同的管理访问权限来增强安全性。该公司建议用户清点其暴露的文档路径,验证身份验证模式,并审查反向代理规则,以防止凭证泄露。
-
Flowise chatflows 缺乏凭证安全,暴露存储的密钥
Flowise 的 API 密钥虽然控制着对 chatflows 的访问,但未能充分保护存储的第三方凭证。攻击者一旦获得对某个 flow 的访问权限,即使该 flow 本身受到 API 密钥保护,也可能访问敏感信息或执行未经授权的操作。该系统将信任区域划分为调用者、运行中的 flow 和凭证存储,但 API 密钥仅保护第一个区域。强大的安全性需要保护凭证加密密钥,为公共端点实施独立控制,并维护 flow 及其访问的详细清单。
-
Devto 的 Mastodon 帖子涵盖 AI 工具、开发和自主系统
此集群汇总了来自 fosstodon.org 用户 'devto' 的几篇 Mastodon 帖子,讨论了软件开发和 AI 工具的各个方面。帖子涉及构建项目的个人经历、ChatGPT 和 GitHub Copilot 等 AI 助手的用法,以及对 Open WebUI 等工具的技术评论。其中一篇帖子还引用了送货无人机场景,反思了自主系统面临的挑战。
-
Langflow 漏洞 CVE-2026-105740 允许敏感数据泄露
在 Langflow(一个用于构建 LLM 应用程序的开源工具)中发现了一个安全漏洞 CVE-2026-105740。利用此漏洞涉及一个两步请求过程,攻击者首先写入恶意配置数据,然后将其提取。此攻击可能导致敏感环境变量(如 LANGFLOW_SECRET_KEY 和 LANGFLOW_SUPERUSER_PASSWORD)的泄露,从而可能使攻击者能够访问模型提供商密钥和内部服务凭据。安全研究人员已观察到自动扫描和利用尝试,并已识别出大…
-
LangFlow 第二次修补关键命令注入漏洞
LangFlow 已发布第二个补丁,用于修复一个关键的命令注入漏洞,编号为 CVE-2026-105740,影响 1.9.0 之前的版本。此漏洞与之前修补的漏洞(CVE-2026-105697)类似,允许攻击者以 LangFlow 进程的权限执行任意命令。安全研究人员观察到,在两周内发生了超过 1400 次利用尝试,攻击者针对存储的凭据和配置数据。
-
LangFlow 漏洞 CVE-2026-105740 允许未经身份验证的访问
在 LangFlow(一个用于构建和部署大型语言模型应用程序的开源工具)中发现了一个关键安全漏洞 CVE-2026-105740。该漏洞源于一个自动登录功能,启用该功能后,攻击者可以绕过身份验证,访问敏感配置和数据。Previdian 的研究人员观察到攻击者首先尝试利用自动登录端点,如果失败,则会尝试使用常见的默认凭据。建议的缓解措施包括禁用自动登录功能,并确保所有账户都使用唯一且强壮的密码。
-
Langflow 漏洞 CVE-2026-105740 允许多向量攻击
Langflow 中一个被识别为 CVE-2026-105740 的安全漏洞允许攻击者在应用程序容器内获得一个 shell。从这个位置,攻击者可以追求更广泛入侵的多种途径,包括使用应用程序的密钥进行会话伪造、重用凭据访问第三方服务以及潜在的容器逃逸尝试。该漏洞还允许访问内部网络资源和能够绕过清理工作的持久化机制。供应商已发布 1.9.0 版本作为修复程序,建议的遏制策略包括以非 root 用户身份运行 Langflow 并避免挂载 D…
-
ZoomEye 分析 CISA 咨询以获取威胁情报
UrbanMind 上的一篇文章讨论了与网关识别相关的 CISA 咨询,并使用 ZoomEye 进行事件驱动的分析。该文章侧重于威胁情报和软件编码方面。
-
新框架提升大语言模型高分辨率图像感知能力
研究人员推出了一种名为分层实体探索(HEE)的新型框架,旨在增强多模态大语言模型(MLLMs)的高分辨率图像感知能力。与需要大量训练或依赖固定图像分割的现有方法不同,HEE无需训练且模型无关。它通过首先评估区域是否有足够证据,然后使用对象检测进行细粒度细节分析,并将这些信息组织成语义层次结构,来动态指导实体探索。该方法旨在通过置信度引导的回溯实现自适应感知,从而克服当前高分辨率图像处理中常见的细节丢失问题。