Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-16 05:01 UTC

depalmar / ai_for_the_win

Build AI-powered security tools. 50+ hands-on labs covering ML, LLMs, RAG, threat detection, DFIR, and red teaming. Includes Colab notebooks, Docker environment, and CTF challenges.

Python · Jupyter NotebookLicencia propia★ 160 estrellas⑂ 25 forksdesde dic 2025Ver en GitHub ↗
#adversarial-ml#ai#cybersecurity#incident-response#llm#machine-learning#malware-analysis#python#siem#threat-detection#ctf#dfir#docker#threat-intelligence#hands-on-labs#security-training#blue-team#cloud-security#threat-hunting#xdr

depalmar/ai_for_the_win tiene un índice de salud de 78 sobre 100, lo que lo sitúa en la banda Bueno. Su puntuación más alta es Engineering Quality (95/100) y la más baja, Sustainability & Governance (50/100). Se actualizó por última vez hace 45 días. Una sola persona concentra la mayor parte del trabajo reciente.

78
global / 100
Bueno

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

78
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 67 se calibra a 78 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Raymond DePalmaCuenta personal
25 seguidores4 repositorios públicosdesde oct 2019

Este repositorio pertenece a una cuenta personal. Un proyecto con un único propietario conlleva más riesgo de continuidad que uno respaldado por una organización.

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

61Moderado · 21% del índice global

Actividad de desarrollo

49Débil
Cómo se puntúa
18/36Recencia de push — último push hace 45 días
8.3/36Cadencia de commits — 12/52 semanas con commits
18/18Volumen de commits — 268 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year268
human_commit_share0,85
days_since_last_push45
active_weeks_last_year12

Disciplina de publicación

78Bueno
Cómo se puntúa
27/27Publica versiones — 11 versiones publicadas
16.2/36Recencia de las versiones — última versión hace 248 días
27/27Cadencia de publicación — una versión cada ~0,9 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count11
latest_release_tagv1.9.0
releases_from_tagsno
days_since_latest_release248
mean_days_between_releases0,9

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

58Moderado · 17% del índice global

Popularidad y adopción

47Débil
Cómo se puntúa
35.7/60Estrellas — 160 estrellas
11.5/25Forks — 25 forks
0/15Observadores — 2 observadores
Datos de entrada utilizados
forks25
stars160
watchers2
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

71Bueno
Cómo se puntúa
22.5/22.5README
16.9/22.5Licencia — archivo de licencia presente, no es una licencia reconocida
18/18Guía CONTRIBUTING
0/13.5Código de conducta
0/7.2Plantilla de issues
6.3/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges60
has_contributingsí
has_issue_templateno
has_code_of_conductno
readme_badge_servicesgithub.com, shields.io
has_pull_request_templatesí

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

50Moderado · 23% del índice global

Resiliencia de mantenedores (factor bus)

17Crítico
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
3.5/22.5Distribución de commits — el principal contribuyente firma el 84% de los commits
2.7/13.5Amplitud de contribuyentes — 2 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor1
contributors_sampled2
top_contributor_share0,844

Capacidad de respuesta a issues y PR

93Excepcional
Cómo se puntúa
42/42Resolución de issues — 100% de issues cerradas
24.8/30Aceptación de PR — 225/272 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
0/15OpenSSF Scorecard: Code-Review — sin datos
Datos de entrada utilizados
merged_prs225
open_issues0
closed_issues1
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio1
closed_unmerged_prs47
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Excluidos de la puntuación (sin datos o no aplicable): Newcomer PR acceptance. Los pesos restantes se han renormalizado.

Propiedad y custodia

47Débil
Cómo se puntúa
10/30Respaldo de la propiedad — cuenta personal (usuario)
0/20Dominio verificado — no aplicable a cuentas de usuario
10.2/25Alcance del propietario — 25 seguidores de depalmar
17.1/25Trayectoria — 4 repos públicos, cuenta de ~6 años
Datos de entrada utilizados
followers25
owner_typeUser
is_verified—
owner_logindepalmar
public_repos4
account_age_days2516
Excluidos de la puntuación (sin datos o no aplicable): Dominio verificado. Los pesos restantes se han renormalizado.

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

95Excepcional · 19% del índice global

Prácticas de ingeniería

92Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 9 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — pyproject.toml ([tool.ruff], [tool.black], [tool.isort]), ruff.toml
9.6/9.6Hooks de pre-commit
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — sin datos
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configsí

Documentación

100Excepcional
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://depalmar.github.io/ai_for_the_win/
10/10Descripción del repositorio
10/10Topics — 20 topics
10/10Wiki
Datos de entrada utilizados
topicsadversarial-ml, ai, cybersecurity, incident-response, llm, machine-learning, malware-analysis, python, siem, threat-detection, ctf, dfir, docker, threat-intelligence, hands-on-labs, security-training, blue-team, cloud-security, threat-hunting, xdr
has_wikisí
homepagehttps://depalmar.github.io/ai_for_the_win/
docs_sitehttps://depalmar.github.io/ai_for_the_win/
has_readmesí
has_docs_dirsí
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

72Bueno · 16% del índice global

Postura de seguridad

75Bueno
Cómo se puntúa
30/30Política de seguridad (SECURITY.md)
25/25Configuración de Dependabot
0/25Lockfiles de dependencias
20/20Flujo de trabajo de CodeQL
Datos de entrada utilizados
sourcefile_signals
lockfiles—
manifestsdocker/requirements.txt, pyproject.toml, requirements-core.txt, requirements-llm.txt, requirements.txt
has_codeql_workflowsí
has_security_policysí
has_dependabot_configsí

Avisos de dependencias

60Moderado
Cómo se puntúa
14.5/35Dependencias directas libres de avisos conocidos — 2 afectados: python-dotenv 1.0.0 (moderate 6.6), requests 2.32.4 (moderate 5.5)
0/25Dependencias indirectas libres de avisos conocidos — el conjunto transitivo no es separable de las dependencias de desarrollo y prueba en este alcance
30.7/40Sin avisos pendientes — 2 paquete(s) con avisos sin atender más allá de 90 días; el más antiguo publicado hace 174 días
Datos de entrada utilizados
sourceosv
advisories38
affected_packages9
assessed_packages21
unassessed_packages100
affected_by_severitycritical 2, high 3, moderate 4
direct_affected_packages2
Excluidos de la puntuación (sin datos o no aplicable): Dependencias indirectas libres de avisos conocidos. Los pesos restantes se han renormalizado. Se cotejaron 21 dependencias resueltas con OSV. 100 no pudieron evaluarse: sin versión resuelta, ecosistema no admitido o fuera de la lista de paquetes informada. Este repositorio no publica ningún paquete que el índice resuelva, por lo que se evaluó en su lugar el grafo de dependencias del repositorio. Ese grafo mezcla fijaciones de desarrollo y prueba con las dependencias distribuidas, de modo que solo se puntúan las dependencias declaradas en tiempo de ejecución; los hallazgos transitivos se informan como contexto y quedan excluidos de la puntuación. No se analiza la alcanzabilidad.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

76Bueno · 4% del índice global

Contexto y guía para agentes

85Excelente
Cómo se puntúa
45/45Instrucciones para agentes — .cursorrules, CLAUDE.md, docs/CLAUDE.md
0/15Documentación legible por máquinas (llms.txt)
40/40Historial de commits legible — 85 de 85 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share1
agent_instruction_files.cursorrules, CLAUDE.md, docs/CLAUDE.md
agent_instruction_max_bytes14.724

Bucle de verificación (compilación / pruebas / verificación de tipos)

68Bueno
Cómo se puntúa
0/18Arranque con un solo comando
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.ruff], [tool.black], [tool.isort]), ruff.toml
0/11Verificación estática de tipos
10/10Entorno reproducible — Dockerfile
10/10Práctica demostrada con agentes — 39 de los últimos 100 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 15 de los últimos 100 commits son actualizaciones automáticas de dependencias
0/10OpenSSF Scorecard: Pinned-Dependencies — sin datos
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfilesí
typed_languageno
bootstrap_files—
has_devcontainerno
has_linter_configsí
typecheck_configs—
agent_commit_share0,39
toolchain_manifests—
dependency_bot_commit_share0,15

Legibilidad del código para modelos

54Moderado
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
54.4/55Tamaños de archivo manejables — 2/183 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes137.037
source_files_sampled183
oversized_source_files2

Interfaces legibles por máquina

100Excepcional
Cómo se puntúa
0/40Esquema de API (OpenAPI/GraphQL/proto) — no aplicable a este tipo de software
20/20Servidor MCP
40/40Ejemplos ejecutables — notebooks
Datos de entrada utilizados
example_dirsnotebooks
has_mcp_signalsí
api_schema_files—
interfaces_expected_of—
Excluidos de la puntuación (sin datos o no aplicable): Esquema de API (OpenAPI/GraphQL/proto). Los pesos restantes se han renormalizado.

Datos clave

160estrellas de GitHub
2contribuidores
268commits en los últimos 12 meses
45días desde el último push
11versiones publicadas
1factor bus
0issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Could not fetch pypi package 'ai-for-the-win' from its registry
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit); skipping Scorecard checks

Más detalle

Historial de estrellas y forks 0 ★ / 25 ⇿
0Estrellas
25Forks
6Versiones

Cuándo se añadió cada estrella y fork, recopilado de GitHub y agrupado por día. El crecimiento acumulado se sitúa justo encima de las adiciones diarias que lo componen, de modo que ambos se leen en conjunto: la acumulación orgánica sostenida no se parece en nada a un pico abrupto y efímero. Cuando esa diferencia es medible, se informa como autenticidad del crecimiento.

05101520252552026-012026-042026-08
Mayor 0Menor 5Parche 1
Dependencias directas 16
RegistroPaqueteRestricción de versiónManifiesto
PyPIpandas>=2.0.0pyproject.toml
PyPInumpy>=1.24.0pyproject.toml
PyPIscikit-learn>=1.3.0pyproject.toml
PyPIlangchain>=1.0.0pyproject.toml
PyPIlangchain-core>=0.3.0pyproject.toml
PyPIlangchain-community>=0.3.0,<1.0.0pyproject.toml
PyPIlanggraph>=0.2.0pyproject.toml
PyPIchromadb>=0.5.0pyproject.toml
PyPIsentence-transformers>=2.2.0pyproject.toml
PyPInltk>=3.8.0pyproject.toml
PyPIpython-dotenv>=1.0.0pyproject.toml
PyPIrequests>=2.31.0pyproject.toml
PyPIrich>=13.0.0pyproject.toml
PyPIpydantic>=2.0.0pyproject.toml
PyPIplotly>=5.18.0pyproject.toml
PyPImatplotlib>=3.7.0pyproject.toml
Todas las dependencias 121

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 21 paquetes directos y 100 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIchromadb—directa
PyPIlangchain—directa
PyPIlangchain-community—directa
PyPIlangchain-core—directa
PyPIlanggraph—directa
PyPImatplotlib—directa
PyPInltk—directa
PyPInumpy—directa
PyPInumpy1.26.3directa
PyPIpandas—directa
PyPIpandas2.2.0directa
PyPIplotly—directa
PyPIpydantic—directa
PyPIpython-dotenv—directa
PyPIpython-dotenv1.0.0directa
PyPIrequests—directa
PyPIrequests2.32.4directa
PyPIrich—directa
PyPIrich13.7.0directa
PyPIscikit-learn—directa
PyPIsentence-transformers—directa
npm@types/react^18.2.48indirecta
npmaxios^1.6.5indirecta
npmeslint^8.56.0indirecta
npmlodash^4.17.21indirecta
npmmoment^2.30.1indirecta
npmprettier^3.2.4indirecta
npmreact^18.2.0indirecta
npmreact-dom^18.2.0indirecta
npmreact-router-dom^6.21.2indirecta
npmreact-scripts5.0.1indirecta
npmtypescript^5.3.3indirecta
PyPIaiohttp—indirecta
PyPIaltair—indirecta
PyPIanthropic—indirecta
PyPIbandit—indirecta
PyPIbeautifulsoup4—indirecta
PyPIblack—indirecta
PyPIblack24.3.0indirecta
PyPIboto3—indirecta
PyPIcatboost—indirecta
PyPIclick—indirecta
PyPIclick8.1.7indirecta
PyPIcryptography46.0.5indirecta
PyPIdask—indirecta
PyPIdefusedxml—indirecta
PyPIdocx2txt—indirecta
PyPIdpkt—indirecta
PyPIelasticsearch—indirecta
PyPIfastapi—indirecta
PyPIflake8—indirecta
PyPIflask3.1.3indirecta
PyPIgensim—indirecta
PyPIgoogle-generativeai—indirecta
PyPIgradio—indirecta
PyPIhttpx—indirecta
PyPIhuggingface-hub—indirecta
PyPIhypothesis—indirecta
PyPIimbalanced-learn—indirecta
PyPIinstructor—indirecta
PyPIipywidgets—indirecta
PyPIisort—indirecta
PyPIisort5.13.2indirecta
PyPIjupyter-dash—indirecta
PyPIjupyterlab—indirecta
PyPIlangchain-anthropic—indirecta
PyPIlangchain-google-genai—indirecta
PyPIlangchain-openai—indirecta
PyPIlief—indirecta
PyPIlightgbm—indirecta
PyPIlitellm—indirecta
PyPIminio—indirecta
PyPImypy—indirecta
PyPImypy1.8.0indirecta
PyPInetworkx—indirecta
PyPInotebook—indirecta
PyPIopenai—indirecta
PyPIpefile—indirecta
PyPIpolars—indirecta
PyPIprometheus-client—indirecta
PyPIpsycopg2-binary—indirecta
PyPIpsycopg2-binary2.9.9indirecta
PyPIpyarrow—indirecta
PyPIpyjwt2.8.0indirecta
PyPIpypdf—indirecta
PyPIpyshark—indirecta
PyPIpysigma—indirecta
PyPIpytest—indirecta
PyPIpytest7.4.4indirecta
PyPIpytest-asyncio—indirecta
PyPIpytest-cov—indirecta
PyPIpytest-cov4.1.0indirecta
PyPIpython-magic—indirecta
PyPIpyyaml—indirecta
PyPIpyyaml6.0.1indirecta
PyPIredis—indirecta
PyPIreqeusts1.0.0indirecta
PyPIscapy—indirecta
PyPIscipy—indirecta
PyPIseaborn—indirecta
PyPIspacy—indirecta
PyPIsqlalchemy—indirecta
PyPIsqlalchemy2.0.25indirecta
PyPIstatsmodels—indirecta
PyPIstreamlit—indirecta
PyPItextblob—indirecta
PyPItiktoken—indirecta
PyPItorch—indirecta
PyPItqdm—indirecta
PyPItransformers—indirecta
PyPItyper—indirecta
PyPItyping-extensions—indirecta
PyPIurllib3—indirecta
PyPIurllib32.6.3indirecta
PyPIuvicorn—indirecta
PyPIvalidators—indirecta
PyPIvolatility3—indirecta
PyPIwerkzeug—indirecta
PyPIwerkzeug3.1.5indirecta
PyPIxgboost—indirecta
PyPIyara-python—indirecta
Avisos de dependencias 9

Este repositorio no publica ningún paquete que el índice resuelva, así que se evaluó su propio grafo de dependencias — 21 paquetes, que incluyen también fijaciones de desarrollo y prueba que nunca se distribuyen: 9 tienen avisos conocidos, de los cuales 2 son directas. 100 no pudieron evaluarse: sin versión resuelta, ecosistema no admitido, o fuera de la lista de paquetes informada.

PaqueteVersiónRelaciónGravedadAvisosCorregido en
black24.3.0indirectacrítica326.3.1
cryptography46.0.5indirectacrítica1150.0.0
click8.1.7indirectaalta18.3.3
pyjwt2.8.0indirectaalta112.13.0
urllib32.6.3indirectaalta42.7.0
python-dotenv1.0.0directamoderada21.2.2
requests2.32.4directamoderada22.33.0
pytest7.4.4indirectamoderada29.0.3
werkzeug3.1.5indirectamoderada23.1.6

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con depalmar/ai_for_the_win. Leer en paralelo →

100kubeflow/trainerDistributed AI Model Training and LLM Fine-Tuning on KubernetesExcepcional98strands-agents/toolsA set of tools that gives agents powerful capabilities.Excepcional98Netflix/metaflowBuild, Manage and Deploy AI/ML SystemsExcepcional100deepset-ai/haystackOpen-source AI orchestration framework for building context-engineered, production-ready LLM applications. Design modular pipelines and agent workflows with explicit control over retrieval, routing, memory, and generation. Built for scalable agents, RAG, multimodal applications, semantic search, and conversational systems.Excepcional100huggingface/transformers🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training. Excepcional99ultralytics/ultralyticsUltralytics YOLO27, YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingExcepcional

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.34.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas.