Apache Ambari 1.2.0 - 2.2.2 Multiple Vulnerabilities (CVE-2014-3582, CVE-2016-4976)

Name: Apache Ambari 1.2.0 - 2.2.2 Multiple Vulnerabilities (CVE-2014-3582, CVE-2016-4976)
Creator: pentest-tools.com
Published: 2025-03-24T17:13:24+08:00

pentest-tools.com2025-03-24 收录

软件安全

漏洞管理

数据链接：

https://pentest-tools.com/vulnerabilities-exploits/undefined 数据链接链接失效反馈

官方服务：

资源简介：

Apache Ambrari is prone to multiple vulnerabilities.

Apache Ambrari 存在多项安全漏洞。

提供机构：

该数据集用于软件代码分析，适用于广泛的软件项目（如开源软件、企业内部应用等），主要面向软件开发人员、软件测试人员及代码质量审计员等对象。通过该数据集，用户能够高效进行代码溯源，实现克隆代码检测，并支持自主可控分析，评估代码中自主可控程度，为构建安全、可信赖的软件系统提供关键支持。

北京市数据知识产权2025-01-06 更新360

企事业单位软件漏洞检测数据

软件安全

漏洞检测

通过系统数据处理和加工+人工判定数据集覆盖了各种漏洞类型。数据清洗和数据处理步骤确保了低质量或无关数据的剔除，并进行了标准化处理，确保数据的高度精确性，从而提升检测准确度。利用标注工具和流程能够高效识别和分类多种漏洞类型，特别适用于医疗、金融机构及政府部门等，有效预防潜在的安全威胁，有效增强系统防御能力，确保平台、用户及数据的安全。如：1）医疗行业系统存储大量敏感患者数据（如病历、诊断结果、保险信

浙江省数据知识产权登记平台2025-04-07 更新240

Gitea < 1.7.1 XSS Vulnerability (CVE-2019-1010261)

网络安全

XSS漏洞

Gitea is prone to a cross-site scripting (XSS) vulnerability.

pentest-tools.com190

Juliet-train-split-test-on-BinRealVul

二进制漏洞检测

软件安全

Juliet-train-split-test-on-BinRealVul是一个编译成LLVM IR的Juliet测试集子集，专为训练二进制漏洞检测模型而设计，确保与CompRealVul_LLVM训练集训练的模型进行公平比较。

Hugging Face2025-05-08 更新300

针对Python代码的CWE检测专用的半监督数据集

软件安全

机器学习

本研究构建了一个针对Python代码的CWE检测的专用数据集，该数据集通过半监督方法生成，结合了大型语言模型生成的代码和人工细致审核。数据集包含500个示例，每个示例包括一个易受攻击的代码片段和一个修复后的代码片段，总共覆盖了25种MITRE Top 25 CWEs。该数据集用于微调一个小型语言模型（codegen-mono），以实现高效的 CWE 检测。

arXiv2025-04-23 更新190

Apache Ambari 1.2.0 - 2.2.2 Multiple Vulnerabilities (CVE-2014-3582, CVE-2016-4976)

资源简介：

相关数据集