kev-collider-data

这是KEV Collider的数据仓库，用于过滤、排序和优先处理CISA KEV列出的漏洞。包含JSON文件和一个Jupyter Notebook，用于探索和分析数据。

This is the data repository for KEV Collider, which is used to filter, sort, and prioritize vulnerabilities listed in CISA KEV. It includes JSON files and a Jupyter Notebook for data exploration and analysis.

原始信息汇总

kev-collider-data 数据集概述

数据集来源与背景

• 该数据集是 KEV Collider 的数据仓库，KEV Collider 是一个用于过滤、排序和优先处理 CISA KEV（已知被利用漏洞）清单中漏洞的交互式测试平台。
• 数据集支持 runZero 的报告《KEVology: an analysis of exploits, scores, and timelines on the CISA KEV》中描述的发现，用户可通过 KEV Collider 复现报告中的发现。

数据集内容与结构

• 数据以 JSON 文件形式存储于 json/ 目录中，每个 JSON 文件描述一个 KEV 清单中的 CVE，并包含大量附加信息。
• 数据文件会定期更新，以纳入新的 KEV 条目、新的 Nuclei 模板等信息。
• 理解 JSON 文件结构需参考 当前数据模式定义。
• 仓库中包含一个 Jupyter Notebook 文件，该文件使用最新数据逐步演示了报告中详述的大部分发现。

数据使用方式

• 直接使用本仓库数据：用户可下载并解析 json/ 目录下的 JSON 文件，利用其数据进行自定义分析、可视化或集成。
• 通过 KEV Collider 前端使用：KEV Collider 是一个静态网站，提供内置的过滤和排序功能。所有过滤条件均以 GET 请求参数形式体现，用户可将特定过滤组合保存为书签或分享。
• 许可：数据遵循 runZero 的许可协议（LICENSE），允许用户基于此数据创建自己的可视化、过滤和排序工具。

贡献与反馈

• 用户若发现与 CVE 漏洞相关的可靠公开数据集，并希望其被集成，可通过 GitHub 提交 Issue 提出功能请求。
• 对于此代码仓库或 KEV Collider 前端的安全问题，请遵循 runZero 的安全报告指南，通过 https://runzero.com/.well-known/security.txt 进行报告。

搜集汇总

数据集介绍

构建方式

在网络安全领域，漏洞管理始终是防御体系的核心环节。KEV Collider数据集依托CISA已知被利用漏洞（KEV）清单构建，通过系统化整合公开漏洞数据源，形成结构化JSON文档集合。该数据集采用自动化流程定期更新，每当新的KEV条目发布或相关漏洞模板出现时，便会同步纳入Nuclei模板等威胁情报元数据，确保数据时效性能紧跟实际威胁演变节奏。

特点

该数据集最显著的特征在于其多维度的漏洞标注体系，每个CVE条目不仅包含基础漏洞描述，还深度融合了CVSS评分向量、攻击复杂度等量化指标。这种设计使得研究者能够通过组合过滤条件，精准识别具有特定攻击特征的漏洞集群，例如无需用户交互的远程代码执行漏洞。数据集采用静态网站架构实现交互式可视化，所有筛选参数均编码于URL中，便于知识共享与可重复性研究。

使用方法

使用者可通过两种路径利用该数据集：其一是直接解析JSON文件目录，配合版本化数据模式定义文档进行程序化分析；其二是通过KEV Collider交互平台进行动态探索，利用预设的过滤逻辑快速定位高危漏洞模式。研究团队提供的Jupyter Notebook示例完整复现了原始论文的分析脉络，用户可在此基础上注入最新数据，观察漏洞生态的时间演化规律。对于希望扩展数据维度的贡献者，项目方鼓励提交包含公开CVE数据源的功能请求。

背景与挑战

背景概述

在网络安全领域，漏洞管理与威胁评估一直是核心研究议题，特别是随着网络攻击的复杂化，如何高效筛选和优先处理已知漏洞成为关键。kev-collider-data数据集由runZero公司于2023年创建，旨在支持KEV Collider交互式测试平台，该平台基于CISA KEV（已知被利用漏洞）清单，通过整合多源数据如CVSS评分、Nuclei模板等，为研究人员提供漏洞过滤、排序和优先级分析功能。该数据集源自runZero发布的KEVology研究报告，不仅推动了漏洞利用时间线分析，还促进了安全社区对公开漏洞数据的可视化探索，提升了威胁响应的效率与准确性。

当前挑战

该数据集致力于解决网络安全中漏洞优先级排序的挑战，即如何从海量CVE条目中识别出高风险、易被利用的漏洞，以辅助安全团队快速决策。构建过程中面临多重困难：数据集成需协调CISA KEV清单、CVSS向量及第三方模板等异构源，确保实时更新与一致性；此外，JSON架构设计必须平衡可扩展性与标准化，以容纳动态变化的漏洞属性。前端交互的静态化实现虽提升可访问性，但也限制了复杂过滤功能的灵活性，需依赖社区反馈持续优化。

常用场景

经典使用场景

在网络安全研究领域，KEV Collider数据集为分析CISA已知被利用漏洞（KEV）提供了关键的数据支持。其经典使用场景在于通过交互式测试平台，允许研究人员对KEV列表中的漏洞进行过滤、排序和优先级划分，从而快速识别出高风险漏洞，如远程代码执行（RCE）类威胁。这一过程通常涉及结合CVSS评分向量，例如筛选出访问向量为网络、无需特权且无需用户交互的高完整性影响漏洞，以模拟实际攻击场景并验证安全报告中的发现。

衍生相关工作

围绕该数据集，已衍生出多项经典研究工作，包括runZero发布的KEVology分析报告，该报告系统探讨了漏洞利用、评分与时间线的关联。同时，社区基于其开放数据构建了自定义可视化工具和过滤算法，扩展了漏洞优先级模型的适用性。这些工作不仅丰富了网络安全领域的实证文献，还促进了如Nuclei模板集成等开源项目的发展，为漏洞研究与实践搭建了桥梁。

数据集最近研究

最新研究方向

在网络安全领域，漏洞管理与风险评估始终是核心议题。KEV Collider数据集聚焦于CISA KEV（已知被利用漏洞）清单，为研究者提供了结构化、可交互的漏洞数据。前沿研究正利用该数据集探索漏洞利用的时间线模式与CVSS评分之间的关联性，结合自动化检测工具如Nuclei模板，以预测高危漏洞的演变趋势。热点事件如大规模勒索软件攻击常与KEV清单中的漏洞相关联，推动了对漏洞优先级排序算法的优化，旨在实现动态风险缓解。这一数据集不仅支持学术分析，还通过开源可视化工具促进了行业协作，对提升全球网络安全防御体系的敏捷性具有深远意义。