SysReptor项目中如何正确使用severity字段替代cvss.level
2025-07-07 11:28:47作者:史锋燃Gardner
在SysReptor项目模板开发过程中,许多开发者会遇到需要从传统的CVSS评分等级转向使用预定义的severity字段的情况。本文将详细介绍这一转换的正确实现方式及其技术背景。
字段类型差异分析
SysReptor系统中存在两种不同的严重性表示方式:
- CVSS评分等级:基于CVSS评分计算得出的风险等级,通过
finding.cvss.level访问 - 预定义严重性字段:系统提供的枚举类型字段,通过
finding.severity访问
这两种方式在数据结构上有本质区别。CVSS等级是简单的字符串值,而severity字段是一个完整的枚举对象,包含value和label两个属性。
正确使用severity字段
要实现从cvss.level到severity的转换,开发者需要了解枚举字段的结构。正确的访问方式应该是:
<tr v-for="finding in findings" class="table-row-link" :class="'risk-bg-' + finding.severity.value">
这里使用.value而非.level是因为severity字段是一个枚举对象,其实际值存储在value属性中。label属性则通常用于显示更友好的文本描述。
实际应用场景
这种转换常见于以下场景:
- 风险可视化图表
- 漏洞列表的样式渲染
- 报告中的风险等级分类
- 自动化工作流中的条件判断
技术实现建议
对于系统模板开发者,建议统一使用severity字段而非cvss.level,因为:
- 预定义字段更规范,减少人为错误
- 支持多语言显示(label属性)
- 便于系统未来的扩展和升级
- 与系统其他功能更好兼容
常见问题解决
如果转换后发现样式异常,建议检查:
- 确保severity字段已正确定义并赋值
- 验证CSS中对应的risk-bg-*类是否正确定义
- 确认枚举值的范围与预期一致
- 检查是否有其他代码仍在使用cvss.level导致冲突
通过正确理解和使用severity字段,开发者可以构建更健壮、更易维护的系统模板,同时确保风险等级显示的一致性和准确性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
热门内容推荐
项目优选
收起
deepin linux kernel
C
28
15
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
660
4.26 K
🎉 (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
1.54 K
894
Ascend Extension for PyTorch
Python
505
610
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
392
289
暂无简介
Dart
909
219
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
142
168
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++
940
867
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.33 K
108