CVE-Search项目中DataTables排序问题的分析与修复
2025-07-01 16:18:44作者:史锋燃Gardner
问题背景
在CVE-Search项目中,前端页面使用DataTables展示CVE信息时,发现ID、最后更新时间和发布日期等关键字段的排序功能出现异常。当用户尝试对这些列进行排序时,系统会弹出错误提示,同时浏览器控制台显示无法读取未定义属性的错误。
问题现象
前端表现上,排序功能完全失效,并显示"DataTables warning: table id=CVEs - Requested unknown parameter 'cvss' for row 0, column 2"的错误信息。后端日志显示,当请求排序时返回的数据结构不完整,缺少必要的字段如cvss、published等。
根本原因分析
经过深入调查,发现问题源于数据库中存储的"已标记(REJECTED)"状态的CVE条目。这些条目具有以下特点:
- 仅包含基本ID字段和EPSS(漏洞评估预测系统)评分数据
- 缺少标准CVE条目应有的published、modified等关键字段
- 这些条目是通过EPSS数据导入时意外创建的
具体来说,EPSS评分数据包含了已被标记为REJECTED状态的CVE条目评分。在数据导入过程中,由于使用了upsert=True参数,导致系统为这些不存在的CVE创建了不完整的数据库记录。
技术解决方案
针对这一问题,开发团队实施了以下修复措施:
- 修改EPSS数据导入逻辑:将upsert参数设置为False,确保不会为不存在的CVE创建新记录
- 数据库清理方案:提供了两种清理不完整记录的方法
- 手动删除仅包含EPSS评分的记录
- 完全重建数据库
修复后的代码确保了EPSS评分只会更新已存在的CVE条目,而不会创建新的不完整记录。
影响与建议
这一问题影响了所有使用CVE-Search的项目实例。对于已经受影响的系统,管理员可以采取以下措施:
- 升级到修复后的CVE-Search版本
- 执行数据库清理操作
- 更新数据库模式版本号以消除警告提示
对于大型生产环境,建议采用手动清理方式而非完全重建,以最小化服务中断时间。
总结
这一案例展示了数据一致性在安全信息管理系统中的重要性。通过分析CVE-Search项目中DataTables排序问题的根本原因和解决方案,我们可以学到:
- 数据导入过程需要严格验证
- 数据库操作参数(如upsert)需要谨慎使用
- 系统应具备处理异常数据的能力
- 完善的错误处理机制对快速定位问题至关重要
该修复不仅解决了前端展示问题,还提高了整个系统的数据质量和可靠性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 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 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 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 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
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
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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