ctkrug/cve-radar

# CVE Radar **▶ 在线演示：[apps.charliekrug.com/cve-radar](https://apps.charliekrug.com/cve-radar/)** [](https://github.com/ctkrug/cve-radar/actions/workflows/ci.yml) [](LICENSE) **每一个新 CVE，都用通俗易懂的英语呈现。** CVE Radar 将原始的国家 漏洞数据库 (NVD) 订阅源转化为一个快速、可过滤的公告板，在这里每个 漏洞都被解码成一句可读的句子，让你能一眼区分出远程、无需交互且影响极大的漏洞， 与本地、低严重性的漏洞。 它是为那些经常被问到“我们受此影响吗？”并且必须在没有专职威胁情报分析师的情况下 快速找到答案的工程师和小型团队管理员构建的。 无需账号，无需后端，浏览器中也无需 API 密钥。其构建成果是一个静态网站， 你可以托管在任何地方。 ## 它的核心功能 NVD 具有权威性但难以快速浏览：嵌套的 JSON、四种不同的 CVSS 版本（v2 / v3.0 / v3.1 / v4.0）、稀疏的 CPE 产品数据，以及为工具而非人类编写的描述。每一个缺陷都附带一个 CVSS 向量，这是一串像 `AV:N/AC:L/PR:N/UI:N/S:U/C:H/I:H/A:H` 一样的紧凑字符串， 编码了漏洞是如何被触达的以及它会让你付出什么代价。精确无误，但一眼看去难以理解。 CVE Radar 会确定性地将该向量解码为一句话： 没有使用语言模型，也没有网络调用，因此同一个向量总是生成 相同的句子，静态构建也保持可复现。 ## 它的具体工作 - **摄入。** 从 NVD REST API (2.0) 拉取最近的 CVE，内置了 示例数据夹具（fixture），以便构建可以离线运行并保持 CI 状态为绿色（通过）。 - **标准化。** 无论使用何种 CVSS 版本，将每条记录扁平化为统一的 schema；选取 最佳可用严重性；从 CPE 匹配数据、CWE 弱点类别和参考链接中提取受影响的供应商和 产品。 - **解释。** 将 CVSS 向量解码为一句通俗易懂的风险描述。 - **构建。** 渲染一个自包含的静态仪表板（`site/`），支持 按严重性、供应商和产品进行客户端过滤，全文搜索 （包括 CWE），排序，每张卡片上的 CWE 标签，CVSS 分数仪表盘，返回 NVD 公告的链接，以及用于任何过滤视图的共享深度链接 URL。该 页面在 390 / 768 / 1440 px 下具有响应式设计，并遵循 `prefers-reduced-motion` 设置。 ## 示例输出 每个 CVE 都渲染为一张卡片，以其通俗英语描述开头： ``` CVE-2024-3400 [CRITICAL] 9.8 3.1 ################################____ 9.8 / 10 Exploitable over the network with no privileges or user interaction; full loss of confidentiality, integrity, and availability. Command injection in the GlobalProtect feature of PAN-OS... CVSS:3.1/AV:N/AC:L/... CWE-77 · Command Injection paloaltonetworks 2 months ago ``` ## 技术栈 - **Python 3.11+**，核心部分仅使用标准库（`urllib`、`json`），没有 繁重的依赖。 - 静态前端：手写的 HTML/CSS/原生 JS，无框架，使用相对 资源路径，因此可以在任何 base path 下托管。 - 工具：使用 `pytest` 进行测试，使用 `ruff` 进行 lint，使用 GitHub Actions 作为 CI。 ## 快速开始 ``` # 安装（可编辑，包含 dev tooling） pip install -e ".[dev]" # 从 bundled sample feed 构建 dashboard（离线） cve-radar build --sample --out dist # 或从 NVD 拉取最新的 CVE（过去 7 天） cve-radar build --days 7 --out dist # 打开 result open dist/index.html ``` 构建会写入一个单一的自包含目录（默认为 `dist/`）。将静态托管指向 它，这就完成了整个部署。 ## 项目布局 ``` cve_radar/ # the pipeline: fetch -> normalize -> blurb -> build fetch.py # NVD REST client (+ offline sample loader) normalize.py # messy NVD record -> clean Cve schema blurb.py # CVSS vector -> plain-English risk sentence cwe.py # CWE id -> human weakness name build.py # render the static dashboard cli.py # `cve-radar` entrypoint data/ # bundled sample feed for offline builds site/ # frontend template baked by build.py index.html # the dashboard · landing.html = branded intro styles.css # DESIGN.md tokens + responsive/a11y rules app.js # client-side filter/search/sort (vanilla IIFE) tests/ # pytest suite docs/ # VISION, BACKLOG, DESIGN, ARCHITECTURE ``` 请参阅 [`docs/ARCHITECTURE.md`](docs/ARCHITECTURE.md) 获取完整的模块映射和 数据流。 ## 测试 ``` pytest -q # the suite pytest --cov=cve_radar -q # with coverage ruff check . # lint ``` 核心逻辑的行覆盖率达到 99%；`normalize.py`（负责处理混乱的实时数据流的 那一层）被完全覆盖，并使用 Hypothesis 进行了 fuzz 测试，因此格式不良的 记录会优雅降级，而不会导致批处理崩溃。 ## 许可证 MIT，详见 [`LICENSE`](LICENSE)。 查看更多 Charlie 的项目 → [apps.charliekrug.com](https://apps.charliekrug.com)

标签：多模态安全, 安全规则引擎, 数据可视化