版本升级 | v1.0.13发布,传下去:更好用了

本文涉及的产品
日志服务 SLS,月写入数据量 50GB 1个月
简介: 本次更新主要聚焦兼容性的提升及结果报告格式的增加,另外对部分解析逻辑及使用体验进行了优化。特别鸣谢@Hugo-X的PR贡献~

新发行版来啦~

本次更新主要聚焦兼容性的提升及结果报告格式的增加,另外对部分解析逻辑及使用体验进行了优化。在这里特别鸣谢大佬@Hugo-X在社区仓库提交的PR~

后续,OpenSCA项目组会继续致力于完善本地能力闭环,覆盖更多场景。
1.png

v1.0.13更新内容

  • 本地漏洞库兼容多数据格式
  • 支持SQLite、CSV格式结果报告
  • 可选英文版HTML报告
  • 优化JS解析逻辑
  • 支持跳过解压步骤,分析文件目录
  • 支持指定日志文件位置

更新说明

1.漏洞库兼容多数据格式

本地漏洞库在支持JSON格式的基础上,新增支持SQL数据库格式。按照项目组提供的漏洞库字段样例( https://opensca.xmirror.cn/docs/v1/cli.html )创建好数据表,并在配置文件中配置即可:

2.png
图:通过配置文件配置多种漏洞库数据格式

3.png
图:MySQL漏洞库样例

2.新增多种结果报告格式(@Hugo-X)

2.1 支持SQLite、CSV报告输出

检测结果报告输出新增SQLite、CSV两种格式,仅需在检测命令的out参数中指定相应的结果文件后缀名为.sqlite、.csv。

目前,OpenSCA可输出 JSON / HTML / XML / SQLite / CSV 共5种格式的结果报告,以及SPDX / Cyclonedx / SWID三种国际标准格式SBOM清单。

2.1.1 使用样例

# 输出sqlite报告
opensca-cli -url https://opensca.xmirror.cn -token {
   
   mathJaxContainer[0]}{
   
   project_path} -out output.sqlite
# 输出csv报告
opensca-cli -url https://opensca.xmirror.cn -token {
   
   mathJaxContainer[1]}{
   
   project_path} -out output.csv

2.1.2 报告示例

4.png
图:CSV格式结果报告

5.png
图:SQLite格式结果报告

2.2 英文版HTML报告

在原有HTML报告基础上新增了英文选项,供用户自主选择。

2.2.1 使用样例

opensca-cli -url https://opensca.xmirror.cn -token {
   
   mathJaxContainer[2]}{
   
   project_path} -out output.html

2.2.2 报告示例

6.png
7.png
图:中英双语HTML报告

3.优化部分解析逻辑及使用体验
3.1 JS解析逻辑优化

优化了解析JS项目时对node_modules文件的处理逻辑,进一步提升了检测速度。

3.2 支持跳过解压步骤,分析文件目录

新增命令行参数-dironly,用于绕过解压步骤直接分析目录,以便提升特定场景下的检测速度。

opensca-cli -url https://opensca.xmirror.cn -token {
   
   mathJaxContainer[3]}{
   
   project_path} -dironly -out output.html

3.3 指定日志文件位置

新增命令行参数-log用于指定日志文件位置;本次检测的日志文件所在位置也会打印到命令行界面。

默认情况下,日志文件会在OpenSCA可执行文件的同目录下生成。

3.3.1 使用样例

# Windows执行命令
opensca-cli.exe-url https://opensca.xmirror.cn -token {
   
   mathJaxContainer[4]}{
   
   project_path} -log ${
   
   log_path} -out output.html

3.3.2 命令行示意

8.png
9.png
图:通过命令行指定日志文件位置

以上就是本次更新的全部内容啦~

共建开源项目

感谢每一位开源社区成员对OpenSCA的支持和贡献。OpenSCA的代码会在GitHub和Gitee持续迭代,欢迎Star和Fork,也欢迎向我们提交ISSUE和PR,参与我们的开源安全共建计划,与社区成员共同建设充满可能性的开源解决方案。

相关实践学习
【涂鸦即艺术】基于云应用开发平台CAP部署AI实时生图绘板
【涂鸦即艺术】基于云应用开发平台CAP部署AI实时生图绘板
相关文章
|
Android开发 开发者
Android Split APK介绍
【2月更文挑战第5天】
|
7月前
|
数据采集 存储 监控
数据清洗那些坑,程序员如何“踩雷避坑”?
数据清洗那些坑,程序员如何“踩雷避坑”?
374 102
|
存储 JavaScript 测试技术
rpmdb损坏的修复方法
yum强制终止后,提示rpmdb损坏 error: cannot open providename index using db3 - bad file descriptor
9456 0
|
XML 数据格式 Python
Python实用记录(五):labelImg安装和使用-----看这篇就够了!
这篇文章介绍了在Windows 10系统中使用Anaconda3安装labelImg工具的方法,包括通过pip安装相关包和从GitHub下载配置,以及一些使用技巧,如修改预定义类别和自动保存功能。
1594 3
|
10月前
|
安全 搜索推荐 数据挖掘
虾皮店铺商品API接口的开发、运用与收益
虾皮(Shopee)作为东南亚领先的电商平台,通过开放API接口为商家和开发者提供了全面的数据支持。本文详细介绍虾皮店铺商品API的开发与运用,涵盖注册认证、API文档解读、请求参数设置、签名生成、HTTP请求发送及响应解析等步骤,并提供Python代码示例。API接口广泛应用于电商导购、价格比较、商品推荐、数据分析等场景,带来提升用户体验、增加流量、提高运营效率等收益。开发者需注意API密钥安全、请求频率控制及遵守使用规则,确保接口稳定可靠。虾皮API推动了电商行业的创新与发展。
579 31
|
10月前
|
消息中间件 NoSQL 架构师
招行面试:亿级秒杀,超卖问题+少卖问题,如何解决?(图解+秒懂+史上最全)
45岁资深架构师尼恩在读者交流群中分享了如何系统化解决高并发下的库存抢购超卖少买问题,特别是针对一线互联网企业的面试题。文章详细解析了秒杀系统的四个阶段(扣库预扣、库存扣减、支付回调、库存补偿),并通过Redis分布式锁和Java代码示例展示了如何防止超卖。此外,还介绍了使用RocketMQ延迟消息和xxl-job定时任务解决少卖问题的方法。尼恩强调,掌握这些技术不仅能提升面试表现,还能增强实际项目中的高并发处理能力。相关答案已收入《尼恩Java面试宝典PDF》V175版本,供后续参考。
|
Ubuntu Python
Ubuntu 安装Python3.8
Ubuntu 安装Python3.8
1251 0
|
移动开发 小程序 API
uniapp组件库中Collapse 折叠面板 的使用方法
uniapp组件库中Collapse 折叠面板 的使用方法
1966 1
|
机器学习/深度学习 存储 人工智能
深度学习中的模型压缩技术在人工智能领域,深度学习技术的迅猛发展带来了巨大的计算资源需求。为了解决这一问题,模型压缩技术应运而生。本文将介绍什么是模型压缩、常见的模型压缩方法以及其在实际应用中的意义。
随着深度学习技术的广泛应用,计算资源的需求也大幅增加。为减少资源消耗,提升模型效率,模型压缩技术成为研究热点。本文探讨了模型压缩的定义、主流方法和其重要性。通过量化、剪枝、知识蒸馏和轻量级架构等策略,模型得以在保持性能的同时减小体积,从而适用于资源受限的环境。这些技术不仅降低了计算成本,还推动了深度学习在移动设备和边缘计算等领域的应用,使AI技术更加普及和实用。总之,模型压缩在平衡模型性能与资源消耗之间发挥着关键作用,是未来AI发展的重要方向。
|
数据采集 Java API
java接口防爬虫
8月更文挑战第9天