Project Icon

criticality_score

开源项目重要性评估工具

criticality_score是一个用于评估开源项目重要性的工具。它通过分析贡献者数量、组织数量和依赖项等多项指标,生成0到1之间的得分。该工具旨在识别关键开源项目,提升其安全性,并为开源社区提供数据支持。用户可使用命令行接口,输出支持多种格式。项目同时提供公开数据集,便于进行大规模分析。

开源项目关键性评分(测试版)

OpenSSF 评分卡

本项目由关键项目安全工作组的成员维护。

目标

  1. 为每个开源项目生成关键性评分

  2. 创建一个开源社区所依赖的关键项目列表。

  3. 利用这些数据主动改善这些关键项目的安全状况。

关键性评分

项目的关键性评分定义了该项目的影响力和重要性。它是一个介于**0(最不关键)1(最关键)**之间的数字。评分基于Rob Pike提出的以下算法

我们使用以下默认参数来计算开源项目的关键性评分:

参数 (Si)权重 (αi)最大阈值 (Ti)描述理由
created_since1120项目创建至今的时间(月)较老的项目更有可能被广泛使用或被依赖。
updated_since-1120项目最后更新至今的时间(月)无人维护且近期没有提交的项目更可能较少被依赖。
contributor_count25000项目贡献者数量(有提交记录)不同贡献者的参与表明项目的重要性。
org_count110贡献者所属的不同组织数量表明跨组织依赖。
commit_frequency11000过去一年每周平均提交次数较高的代码变更略微表明项目的重要性。同时,也更容易出现漏洞。
recent_releases_count0.526过去一年的发布次数频繁发布表明用户依赖。权重较低,因为并非总是使用。
closed_issues_count0.55000过去90天关闭的问题数量表明高度的贡献者参与和解决用户问题的关注度。权重较低,因为依赖于项目贡献者。
updated_issues_count0.55000过去90天更新的问题数量表明高度的贡献者参与。权重较低,因为依赖于项目贡献者。
comment_frequency115过去90天每个问题的平均评论数表明高用户活跃度和依赖度。
dependents_count2500000提交信息中提到该项目的次数表明仓库的使用情况,通常出现在版本更新中。该参数适用于所有语言,包括没有包依赖图的C/C++(虽然有点取巧)。计划在不久的将来添加包依赖树。

注意

  • 您可以在运行时覆盖这些默认值,如下所述。
  • 我们正在寻求社区的想法来改进这些参数。
  • 个别推理规则总会有例外情况。

使用方法

$ go install github.com/ossf/criticality_score/v2/cmd/criticality_score@latest

$ export GITHUB_TOKEN=...         # 需要GitHub令牌才能工作
$ gcloud auth login --update-adc  # 可选,添加 -depsdev-disable 以跳过

$ criticality_score -gcp-project-id=[您的项目ID] https://github.com/kubernetes/kubernetes
repo.name: kubernetes
repo.url: https://github.com/kubernetes/kubernetes
repo.language: Go
repo.license: Apache License 2.0
legacy.created_since: 87
legacy.updated_since: 0
legacy.contributor_count: 3999
legacy.watchers_count: 79583
legacy.org_count: 5
legacy.commit_frequency: 97.2
legacy.recent_releases_count: 70
legacy.updated_issues_count: 5395
legacy.closed_issues_count: 3062
legacy.comment_frequency: 5.5
legacy.dependents_count: 454393
default_score: 0.99107

可以通过使用 -scoring-config 参数并提供不同的配置文件来指定如何计算分数,从而更改分数。

默认情况下,使用 original_pike.yml 配置来计算分数。但是,可以提供其他配置文件以产生不同的分数。更多信息请参见 config/scorer

欢迎复制其中一个配置并调整权重和阈值以满足您的需求。

身份验证

在运行临界性评分之前,您需要:

# 对于 POSIX 平台,如 Linux、Mac:
export GITHUB_AUTH_TOKEN=<您的访问令牌>

# 对于 Windows:
set GITHUB_AUTH_TOKEN=<您的访问令牌>

格式化结果

目前有三种格式:textjsoncsv。将来可能会添加其他格式。

可以使用 -format 标志指定这些格式。

其他命令

临界性评分项目还有其他用于生成和处理临界性评分数据的命令。

  • enumerate_github:一个用于准确收集具有最小星标数的 GitHub 仓库集的工具
  • collect_signals:一个利用 Scorecard 项目基础设施大规模收集原始信号的工作程序
  • scorer:一个基于输入 CSV 文件重新计算临界性评分的工具

公开数据

如果您有兴趣查看带有临界性评分的关键项目列表,我们以 csv 格式和 BigQuery 数据集发布它们。

这些数据是使用在 GCP 上运行的临界性评分项目的生产实例生成的。有关如何部署的详细信息可以在 infra 目录中找到。

注意:目前,这些列表仅从托管在 GitHub 上的项目派生而来。我们计划在不久的将来扩展它们,以考虑托管在其他源代码控制系统上的项目。

CSV 数据

数据可在 Google Cloud Storage 上获取,可以通过以下方式下载:

BigQuery 数据集

这些数据可在公共 BigQuery 数据集中获取。

使用 GCP 帐户,您可以在数据中运行查询。例如,以下是一个返回按分数排序的前 100 个仓库的查询:

  SELECT repo.url, default_score
    FROM `openssf.criticality_score_cron.criticality-score-v0-latest`
ORDER BY default_score DESC
   LIMIT 100;

贡献

如果您想参与或有想讨论的想法,我们在 Securing Critical Projects WG 会议中讨论这个项目。 请查看社区日历以获取日程安排和会议邀请。

有关如何贡献的指导,请参阅贡献文档。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号