Kepler.gl项目中lodash.pick依赖的安全问题分析与解决方案
2025-05-22 20:10:21作者:姚月梅Lane
问题背景
在Kepler.gl地理空间数据可视化项目中,存在一个由lodash.pick依赖包引起的安全风险问题。这个问题不仅影响了项目的稳定性,还可能导致开发者在构建应用时遇到各种兼容性问题。
问题详情
lodash.pick是lodash工具库中的一个单独方法包,用于从对象中挑选指定属性。然而,lodash官方团队已经停止维护这些按方法拆分的包,并明确表示不推荐使用。在Kepler.gl项目中,这个依赖包触发了npm audit的安全警告,显示出多个安全风险。
影响范围
这个问题不仅限于lodash.pick一个包。实际上,Kepler.gl的三个核心包(@kepler.gl/components、@kepler.gl/reducers和kepler.gl)共存在37个安全问题,其中包括5个中等风险问题和32个高风险问题。这些问题主要来自:
- 直接依赖的lodash.pick
- react-vis引入的hoek和d3-color
- typedoc引入的marked
- react-palm引入的node-fetch
- @loaders.gl/polyfills引入的request和tough-cookie
临时解决方案
开发者可以尝试通过package.json中的overrides字段强制使用lodash完整版的特定版本:
"overrides": {
"lodash.pick": "https://github.com/lodash/lodash/archive/refs/tags/4.17.21.tar.gz"
}
但这种方案可能会导致某些功能异常,特别是在使用双地图按钮等高级功能时,可能会触发deck.gl的断言错误。
根本解决方案
从技术角度来看,最彻底的解决方案是:
- 将项目中对lodash.pick的依赖替换为完整的lodash库
- 或者直接重构代码,使用原生JavaScript的对象解构功能替代lodash.pick
这种改造已经在其他大型项目(如NativeBase)中成功实施,可以作为参考范例。
实施建议
对于Kepler.gl项目维护者,建议采取以下步骤:
- 全面审计项目中所有lodash按方法拆分的包
- 制定迁移计划,逐步替换这些依赖
- 更新项目文档,明确说明依赖要求
- 在CI/CD流程中加入安全扫描环节
总结
依赖管理是现代JavaScript项目中的重要课题。Kepler.gl项目中暴露的lodash.pick安全问题提醒我们,需要定期审计项目依赖,及时更新或替换不再维护的包。这不仅关系到项目稳定性,也影响着长期的可维护性。通过采用完整的lodash库或原生JavaScript方案,可以一劳永逸地解决这类问题。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
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++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
343
146