开源项目 `gsd-database` 使用教程
2024-09-18 19:38:28作者:魏献源Searcher
1. 项目目录结构及介绍
gsd-database 项目的目录结构如下:
gsd-database/
├── CODE_OF_CONDUCT.md
├── CONTRIBUTING.md
├── LICENSE
├── README.md
├── SECURITY.md
├── TODO.md
├── allowlist.json
├── nvd_updated_time.txt
└── github/
└── workflows/
├── 1999
├── 2000
├── 2001
├── 2002
├── 2003
├── 2004
├── 2005
├── 2006
├── 2007
├── 2008
├── 2009
├── 2010
├── 2011
├── 2012
├── 2013
├── 2014
├── 2015
├── 2016
├── 2017
├── 2018
├── 2019
├── 2020
├── 2021
├── 2022
├── 2023
└── 2024
目录结构介绍
- CODE_OF_CONDUCT.md: 项目的行为准则文件。
- CONTRIBUTING.md: 贡献指南文件,指导如何为项目做出贡献。
- LICENSE: 项目的开源许可证文件。
- README.md: 项目的介绍和使用说明文件。
- SECURITY.md: 项目的安全相关信息和指南。
- TODO.md: 项目待办事项列表。
- allowlist.json: 允许列表配置文件。
- nvd_updated_time.txt: NVD(National Vulnerability Database)更新时间记录文件。
- github/workflows/: 包含项目的GitHub Actions工作流配置文件,按年份分类。
2. 项目的启动文件介绍
gsd-database 项目没有明确的启动文件,因为它主要是一个数据存储库,用于存储和组织全球安全数据库(GSD)的漏洞数据。项目的核心功能是通过GitHub Actions工作流来管理和更新数据。
GitHub Actions 工作流
在 github/workflows/ 目录下,按年份分类的文件夹中包含了GitHub Actions的工作流配置文件。这些文件定义了如何自动化处理和更新漏洞数据。
3. 项目的配置文件介绍
gsd-database 项目的配置文件主要包括以下几个:
allowlist.json
allowlist.json 文件是一个允许列表配置文件,用于定义哪些数据源或用户可以访问或更新数据库中的数据。
nvd_updated_time.txt
nvd_updated_time.txt 文件记录了NVD(National Vulnerability Database)的最后更新时间,用于同步和更新漏洞数据。
GitHub Actions 配置文件
在 github/workflows/ 目录下,每个年份文件夹中包含的配置文件定义了GitHub Actions的工作流。这些配置文件指定了如何自动化处理和更新漏洞数据,例如数据抓取、验证和存储等操作。
总结
gsd-database 项目是一个专注于存储和管理全球安全数据库(GSD)漏洞数据的开源项目。通过GitHub Actions工作流,项目实现了数据的自动化处理和更新。项目的配置文件主要集中在 allowlist.json 和 nvd_updated_time.txt,以及GitHub Actions的工作流配置文件中。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220