CVE PoC:探索公开的CVE漏洞验证代码
2024-09-16 01:52:52作者:廉皓灿Ida
项目介绍
CVE PoC 是一个开源项目,旨在收集并整理几乎所有公开可用的CVE(Common Vulnerabilities and Exposures)漏洞验证代码(Proof of Concept,PoC)。该项目由 Trickest 团队维护,通过自动化流程从多个来源收集CVE信息,并将其整理成易于阅读的Markdown文件。用户可以通过该项目快速找到特定CVE的PoC,从而进行漏洞测试和安全评估。
项目技术分析
技术架构
CVE PoC 项目的技术架构基于 Trickest 的工作流架构,通过以下步骤实现自动化数据收集和处理:
- CVE数据收集:从 cvelist 项目中收集CVE的详细信息。
- 数据分割:将CVE按年份进行分类。
- PoC查找:使用两种技术查找每个CVE的PoC:
- 参考链接查找:通过分析CVE的参考链接,使用 ffuf 工具和关键词列表(如“poc”、“proof of concept”等)来识别PoC。
- GitHub搜索:使用 find-gh-poc 工具在GitHub上搜索提及CVE ID的仓库。
- 数据合并与过滤:将新收集的结果与手动提交的数据合并,并通过
blacklist.txt过滤误报。 - 结果生成:生成GitHub徽章,并将所有信息写入易于阅读的Markdown文件。
自动化流程
项目中的几乎所有内容都是通过自动化流程生成的,确保结果的准确性和及时性。Trickest团队不断优化工作流,以提高数据的质量和覆盖率。
项目及技术应用场景
应用场景
- 安全研究人员:快速查找和验证特定CVE的PoC,进行漏洞分析和研究。
- 企业安全团队:监控和评估公司使用的软件版本是否存在已知漏洞,并及时采取防护措施。
- 漏洞赏金猎人:通过项目提供的PoC进行漏洞测试,发现并报告新的安全漏洞。
- 教育与培训:作为网络安全课程的辅助工具,帮助学生理解和实践CVE漏洞的验证过程。
技术应用
- 自动化数据收集:通过自动化工具和脚本,高效地从多个来源收集和整理CVE信息。
- 关键词匹配与过滤:使用正则表达式和关键词列表,精确识别和过滤PoC链接。
- Markdown文件生成:将收集到的信息自动生成易于阅读和分享的Markdown文件。
项目特点
1. 全面覆盖
CVE PoC 项目几乎涵盖了所有公开可用的CVE PoC,用户可以快速找到所需的信息。
2. 自动化处理
项目通过自动化流程收集和整理数据,确保信息的及时性和准确性。
3. 易于使用
生成的Markdown文件结构清晰,用户可以轻松浏览和查找特定CVE的PoC。
4. 社区支持
项目欢迎社区的贡献和建议,用户可以通过GitHub Issues或Twitter与团队互动。
5. 可定制化
用户可以通过 Trickest 平台定制工作流,满足特定的需求和场景。
结语
CVE PoC 项目为安全研究人员、企业安全团队和漏洞赏金猎人提供了一个强大的工具,帮助他们快速查找和验证CVE漏洞。通过自动化流程和社区支持,该项目不断优化和扩展,为用户提供更全面和准确的信息。无论你是安全领域的专业人士还是初学者,CVE PoC 都是一个值得关注的开源项目。
立即访问 CVE PoC 项目,开始你的漏洞研究之旅吧!
登录后查看全文
热门项目推荐
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
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥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
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218