MITRE-Cyber-Security-CVE-Database|网络安全数据集|漏洞管理数据集

MITRE-Cyber-Security-CVE-Database是一个由企业发起的网络安全倡议，致力于提供一个全面的、开源的管理和跟踪通用漏洞披露（CVE）的平台。该仓库汇总了来自多个权威来源的CVE数据，以支持网络安全专业人士、研究人员和组织。

MITRE-Cyber-Security-CVE-Database is an enterprise-led cybersecurity initiative committed to providing a comprehensive, open-source platform for the management and tracking of Common Vulnerabilities and Exposures (CVEs). The repository aggregates CVE data from multiple authoritative sources to support cybersecurity professionals, researchers, and organizations.

原始信息汇总

MITRE-Cyber-Security-CVE-Database 数据集概述

数据集简介

• 名称: MITRE-Cyber-Security-CVE-Database
• 类型: 网络安全漏洞数据库
• 创建者: Enterprises
• 创建时间: 2025年
• 目的: 提供全面的开源平台，用于管理和跟踪通用漏洞披露（CVE）

关键特性

• 多源CVE数据: 聚合来自MITRE、NVD、CISA、CVEDetails和Tenable的CVE记录
• 社区驱动: 开放工具、脚本和文档的贡献
• 自动更新: 包含脚本以保持与所有数据源的同步

数据来源

1. MITRE CVE数据库

   • 来源: https://cve.mitre.org
   • 记录数: 超过275,000条CVE条目（截至2024年6月）
   • 目录: cve-data/mitre/

2. 国家漏洞数据库（NVD）

   • 来源: https://nvd.nist.gov
   • 描述: 包含CVSS分数和CPE适用性的丰富CVE数据
   • 目录: cve-data/nvd/

3. CISA已知被利用漏洞（KEV）目录

   • 来源: https://www.cisa.gov/known-exploited-vulnerabilities-catalog
   • 描述: 已知在野外被利用的CVE子集
   • 目录: cve-data/cisa-kev/

4. CVEDetails

   • 来源: https://www.cvedetails.com
   • 描述: 包含漏洞利用和趋势等额外细节的近期CVE
   • 目录: cve-data/cvedetails/

5. Tenable CVE列表

   • 来源: https://www.tenable.com/cve
   • 描述: 近期CVE的样本（完整列表需要API访问）
   • 目录: cve-data/tenable/

治理原则

• 数据完整性: CVE数据未经修改地镜像，符合各来源的使用条款
• 开放访问: 所有数据和工具均可在开源许可下公开访问
• 社区参与: 鼓励贡献和讨论以改进平台

使用示例

1. 克隆仓库 bash git clone https://github.com/MITRE-Cyber-Security-CVE-Database/mitre-cve-database.git cd mitre-cve-database

2. 获取CVE数据 bash chmod +x scripts/fetch-cve-data.sh ./scripts/fetch-cve-data.sh

3. 搜索特定CVE bash grep -r "CVE-2024-12345" cve-data/mitre/

4. 解析NVD CVE数据 python import json with open("cve-data/nvd/nvdcve-2025.json", "r") as f: nvd_data = json.load(f) for item in nvd_data["CVE_Items"][:5]: cve_id = item["cve"]["CVE_data_meta"]["ID"] cvss_score = item.get("impact", {}).get("baseMetricV3", {}).get("cvssV3", {}).get("baseScore", "N/A") print(f"CVE ID: {cve_id}, CVSS Score: {cvss_score}")

仓库结构

• cve-data/: 按提供者组织的CVE数据
  • mitre/: 来自CVEProject/cvelistV5的MITRE CVE数据
  • nvd/: JSON格式的NVD CVE数据
  • cisa-kev/: JSON格式的CISA KEV目录
  • cvedetails/: JSON格式的CVEDetails近期CVE
  • tenable/: 文本格式的Tenable近期CVE样本
• scripts/: 实用脚本，包括用于同步CVE数据的fetch-cve-data.sh
• docs/: 使用和贡献文档（即将推出）

许可证

• CVE数据: 根据各来源的使用条款提供
  • MITRE CVE数据: https://cve.mitre.org/about/termsofuse.html
  • NVD数据: 公共领域（美国政府数据）
  • CISA KEV数据: 公共领域（美国政府数据）
  • CVEDetails和Tenable数据: 在合理使用下用于非商业目的
• 附加脚本、文档或工具: MIT许可证

AI搜集汇总

数据集介绍

构建方式

在网络安全领域，MITRE-Cyber-Security-CVE-Database通过整合多源权威数据构建了一个全面的漏洞管理平台。该数据集汇集了来自MITRE、NVD、CISA KEV目录、CVEDetails及Tenable等五大核心来源的CVE记录，采用自动化脚本实现数据同步更新。数据以标准化JSON格式存储，并按来源分类归档，确保原始数据的完整性与可追溯性。这种多源聚合的构建模式既保留了各数据源的特性，又通过统一架构提升了数据的可用性。

特点

作为社区驱动的网络安全资源，该数据集最显著的特点是实现了275,000余条CVE记录的跨平台整合。其不仅包含基础漏洞描述，还融合了CVSS评分、已知利用状态等关键元数据。独特的自动化更新机制保障了数据的时效性，而模块化的目录结构设计则支持灵活的数据检索。数据集特别强调对CISA已知被利用漏洞的专项收录，为威胁情报分析提供了高价值子集。

使用方法

用户可通过克隆GitHub仓库快速获取数据集，利用内置的fetch-cve-data.sh脚本实现数据同步更新。数据集采用分层目录结构组织，支持通过grep命令进行快速检索，或使用Python解析JSON格式的漏洞详情。高级用户可配置GitHub Actions实现每日自动更新，而企业级功能如SAML单点登录正在开发中。数据集特别适用于构建漏洞扫描系统、风险评分模型等安全应用场景。

背景与挑战

背景概述

MITRE-Cyber-Security-CVE-Database是由Enterprises于2025年发起的一项网络安全倡议，旨在为管理和跟踪通用漏洞与暴露（CVE）提供一个全面的开源平台。该数据集整合了来自MITRE、美国国家漏洞数据库（NVD）、CISA已知被利用漏洞目录（KEV）、CVEDetails和Tenable等多个权威来源的CVE数据，为网络安全专业人员、研究人员和组织提供了集中化的漏洞管理资源。其核心研究问题在于如何高效整合多源异构的漏洞数据，以支持全球范围内的网络安全防御和漏洞分析。这一数据集的建立显著提升了漏洞信息的可及性和利用效率，对网络安全领域的研究和实践具有重要影响。

当前挑战

MITRE-Cyber-Security-CVE-Database面临的挑战主要包括两个方面。在领域问题方面，该数据集致力于解决多源漏洞数据整合的复杂性，包括数据格式不统一、更新频率不一致以及数据质量参差不齐等问题。在构建过程中，技术挑战尤为突出，例如如何实现自动化数据同步以确保信息的时效性，如何处理大规模异构数据的存储与检索，以及如何在遵守各数据源使用条款的前提下实现数据的合法共享与利用。此外，随着漏洞数量的快速增长，如何维持数据集的完整性和准确性，同时支持高效的查询和分析功能，也是该数据集持续优化的重要方向。

常用场景

经典使用场景

在网络安全领域，MITRE-Cyber-Security-CVE-Database数据集被广泛应用于漏洞管理和威胁情报分析。研究人员和安全专家通过整合多源CVE数据，能够全面掌握已知漏洞的详细信息，包括漏洞类型、影响范围和修复建议。该数据集为漏洞评估和风险管理提供了坚实的基础，特别是在构建自动化漏洞扫描系统和威胁检测平台时，其多源数据整合特性显著提升了分析的准确性和时效性。

解决学术问题

MITRE-Cyber-Security-CVE-Database解决了网络安全研究中数据分散和更新滞后的问题。通过聚合MITRE、NVD、CISA等权威来源的CVE数据，该数据集为学术界提供了标准化、全面的漏洞信息库，支持漏洞模式分析、攻击链建模和风险评估等研究。其开放的社区协作模式进一步推动了漏洞管理技术的创新，为制定更有效的防御策略提供了数据支撑。

衍生相关工作

围绕该数据集，衍生了一系列经典研究工作，例如基于多源CVE数据的漏洞评分模型优化和威胁情报共享平台的开发。部分研究通过机器学习算法分析历史漏洞数据，预测未来可能的攻击趋势。此外，开源社区还构建了多种工具，如CVE数据可视化分析器和自动化补丁推荐系统，进一步扩展了数据集的应用场景。