Nexpose 8.35.0 for Linux & Windows 发布 - 漏洞扫描

简介: Rapid7 on-prem Vulnerability Management, released February 2026

Nexpose 8.35.0 for Linux & Windows - 漏洞扫描

Rapid7 on-prem Vulnerability Management, released February 2026

请访问原文链接:https://sysin.org/blog/nexpose/ 查看最新版。原创作品,转载请保留出处。

作者主页:sysin.org


Nexpose Vulnerability Scanner

本地部署的漏洞扫描器

一款强大的漏洞管理解决方案,可在整个环境中提供全面的资产可见性,同时协助风险的优先级排序与修复。

Nexpose

工作原理

Collect

收集

通过对整个网络的实时覆盖,随时掌握风险情况。

Prioritize

优先级排序

借助更具意义的风险评分,了解应优先关注哪些漏洞。

Remediate

修复

为 IT 提供快速高效修复问题所需的信息。

Quote Icon

评语:对于大型企业来说 —— 无论多大规模 —— 这款产品都非常值得考虑。它功能强大,具有可靠的历史表现与优秀的支持选项。

—— SC Magazine

核心功能

助你在关键时刻采取行动的漏洞扫描软件

实际风险评分

传统的 1-10 CVSS 分数往往会标记成千上万个“高危”漏洞。我们的漏洞扫描器采用实际风险评分(Real Risk Score),提供更具可操作性的洞见 (sysin)。该评分不仅考虑漏洞的存在时间,还包括公开利用代码或恶意软件工具包等因素,1-1000 的评分范围可突显最有可能被攻击者利用的漏洞,助你优先处理真正关键的问题。

结合强大的标签系统,还可自动优先处理对你的业务最关键的系统。

Real risk score

自适应安全

“被动扫描”常伴随大量误报和陈旧数据,源自不频繁的数据导出。而借助 Nexpose 的自适应安全功能,一旦新设备或新漏洞访问你的网络,即可实现自动检测与评估。

结合与 VMware 和 AWS 的动态连接,以及与 Sonar 研究项目的集成,Nexpose 为你提供真正的实时环境监控。

Adaptive security

策略评估

加强系统防护与发现并修复漏洞同样重要。

Nexpose 提供内置的策略扫描,帮助你依据 CIS 和 NIST 等主流标准对系统进行基准评估 (sysin)。直观的修复报告提供逐步指导,说明哪些操作将最显著提升合规性。

Policy assessment

修复报告

修复报告列出可降低最大风险的前 25 项行动,并附有清晰的操作指南。

还可为管理层创建趋势报告,展示安全项目的投资回报与进展情况。

Remediation reporting

新增功能

Nexpose 最新发布

Nexpose Version 8.35.0

软件发布日期:2026 年 2 月 2 日 | 发布说明发布时间:2026 年 1 月 29 日

新增:

  • 新增对使用 Nexpose Scan Assistant 扫描 macOS 资产的支持。本次发布引入了对 macOS Sonoma、Sequoia 和 Tahoe 的 Scan Assistant 支持 (sysin),并提供适用于 Intel 架构和 Apple Silicon 架构的安装程序。

  • 新的策略内容:已新增对以下版本的 CIS 和 DISA STIG 基准的支持,帮助组织遵循最新的安全最佳实践:

    • Linux:
      • CIS Debian Linux 11 STIG Benchmark v1.0.0
      • CIS Ubuntu Linux 22.04 LTS Benchmark v3.0.0
      • CIS Oracle Linux 8 Benchmark v4.0.0
      • CIS AlmaLinux OS 10 Benchmark v1.0.0
    • Microsoft Windows Server:
      • DISA STIG Microsoft Windows 11 Benchmark Version 2, Release 6
      • DISA STIG Microsoft Windows Server 2019 Benchmark Version 3, Release 6
    • Apple macOS:
      • CIS Apple macOS 15.0 Sequoia Benchmark v2.0.0
    • Web 浏览器:
      • CIS Google Chrome Group Policy Benchmark v1.0.0

改进:

  • 改进了 Oracle Linux 内核指纹识别,减少误报。
  • 提升了 PCI 漏洞报告中 CVSS 评分的一致性 (sysin)。自定义 PCI 报告模板现在会与 Security Console 保持一致地显示 CVSS v2 和 v3 评分,确保严重性评级能够准确反映底层漏洞数据。
  • 策略内容更新:修复了 CIS Rocky Linux 9 Benchmark v2.0.0 中的策略评估问题。

下载地址

Rapid7 Vulnerability Management - Nexpose v8.35.0 for Linux x64, February 2026

Rapid7 Vulnerability Management - Nexpose v8.35.0 for Windows x64, February 2026

相关产品:

更多:HTTP 协议与安全

目录
相关文章
|
28天前
|
安全 Java Linux
Burp Suite Professional 2026.1 发布,新增功能简介
Burp Suite Professional 2026.1 (macOS, Linux, Windows) - Web 应用安全、测试和扫描
132 3
Burp Suite Professional 2026.1 发布,新增功能简介
|
28天前
|
SQL 人工智能 安全
Microsoft SQL Server 2025 RTM GDR & CU1 (2026 年 1 月安全更新 | 累计更新)
Microsoft SQL Server 2025 RTM GDR & CU1 (2026 年 1 月安全更新 | 累计更新)
173 6
|
30天前
|
数据采集 人工智能 IDE
告别碎片化日志:一套方案采集所有主流 AI 编程工具
本文介绍了一套基于MCP架构的轻量化、多AI工具代码采集方案,支持CLI、IDE等多类工具,实现用户无感、可扩展的数据采集,已对接Aone日志平台,助力AI代码采纳率分析与研发效能提升。
421 46
告别碎片化日志:一套方案采集所有主流 AI 编程工具
|
1月前
|
存储 缓存 调度
阿里云Tair KVCache仿真分析:高精度的计算和缓存模拟设计与实现
在大模型推理迈向“智能体时代”的今天,KVCache 已从性能优化手段升级为系统级基础设施,“显存内缓存”模式在长上下文、多轮交互等场景下难以为继,而“以存代算”的多级 KVCache 架构虽突破了容量瓶颈,却引入了一个由模型结构、硬件平台、推理引擎与缓存策略等因素交织而成的高维配置空间。如何在满足 SLO(如延迟、吞吐等服务等级目标)的前提下,找到“时延–吞吐–成本”的最优平衡点,成为规模化部署的核心挑战。
514 38
阿里云Tair KVCache仿真分析:高精度的计算和缓存模拟设计与实现
|
1月前
|
SQL 人工智能 分布式计算
从工单、文档到结构化知识库:一套可复用的 Agent 知识采集方案
我们构建了一套“自动提取 → 智能泛化 → 增量更新 → 向量化同步”的全链路自动化 pipeline,将 Agent 知识库建设中的收集、提质与维护难题转化为简单易用的 Python 工具,让知识高效、持续、低门槛地赋能智能体。
363 36
|
7天前
|
机器学习/深度学习
机器学习特征工程:分类变量的数值化处理方法
分类特征编码是机器学习关键却常被低估的环节。Ordinal Encoding适用于有序类别(如学历),One-Hot Encoding消除顺序假象但易致维度爆炸,Target Encoding则通过目标均值处理高基数特征,需配合平滑与交叉验证防过拟合与数据泄露。
64 5
|
1月前
|
Kubernetes 应用服务中间件 API
应对 Nginx Ingress 退役,是时候理清这些易混淆的概念了
本文希望提供一种更简单的方式,来理解这些容易混淆的技术概念:Nginx、Ingress、Ingress Controller、Ingress API、Nginx Ingress、Higress、Gateway API。
826 71
|
19天前
|
机器学习/深度学习 计算机视觉 网络架构
YOLO26改进 - 注意力机制 |融合HCF-Net维度感知选择性整合模块DASI 增强小目标显著性
本文介绍将HCF-Net中的维度感知选择性融合(DASI)模块集成至YOLO26检测头,通过通道分区与Sigmoid自适应加权,融合高/低维及当前层特征,显著提升红外小目标检测精度,在SIRST数据集上超越主流方法。(239字)
|
2月前
|
监控 安全 Unix
iOS 崩溃排查不再靠猜!这份分层捕获指南请收好
从 Mach 内核异常到 NSException,从堆栈遍历到僵尸对象检测,阿里云 RUM iOS SDK 基于 KSCrash 构建了一套完整、异步安全、生产可用的崩溃捕获体系,让每一个线上崩溃都能被精准定位。
674 76
|
30天前
|
存储 缓存 数据建模
StarRocks + Paimon: 构建 Lakehouse Native 数据引擎
12月10日,Streaming Lakehouse Meetup Online EP.2重磅回归,聚焦StarRocks与Apache Paimon深度集成,探讨Lakehouse Native数据引擎的构建。活动涵盖架构统一、多源联邦分析、性能优化及可观测性提升,助力企业打造高效实时湖仓一体平台。
346 39