CVE-Search项目中DataTables排序问题的分析与修复
2025-07-01 06:28:51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
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
226
251
暂无简介
Dart
672
159
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++
663
319
🎉 (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
657
React Native鸿蒙化仓库
JavaScript
262
325
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868