公开记录
软件健康报告模式 0.34.0 · 指标 2.10.0 · 2026-09-17 16:09 UTC

NVIDIA / cudf

cuDF - GPU DataFrame Library

C++ · Python · CudaApache-2.0★ 9,752 星标⑂ 1,109 复刻始于 2017年5月在 GitHub 上查看 ↗
类型插件如何判定
#gpu#rapids#cudf#arrow#cuda#pandas#dataframe#dask#data-analysis#data-science#pydata#cpp#python

NVIDIA/cudf 的健康指数为 100 分中的 99 分，处于「卓越」区间。 其得分最高的类别是Vitality（100/100），最低的是Security（67/100）。 最近一次更新在今天。 近期的大部分工作由 11 位贡献者完成。

99
总分 / 100
卓越

软件健康指数

指标归入加权类别，统一采用 1–100 量表。总体分先取类别加权平均，再依据公开记录的分布进行校准，使各等级具有百分位含义；当公开证据触发高风险司法辖区政策时，评级会按政策调整，并设置 34（存在风险）的上限。

99
卓越93-100公开记录中的最高层级（约前 5%）；基本满足所有检验标准
优秀80-92各方面均表现强劲；仅有少量不足
良好65-79健康；不足之处有限且可控
中等50-64可接受，但存在明显不足；建议进行审查
薄弱35-49多个领域存在实质性薄弱环节
存在风险20-34存在重大薄弱环节；采用时应保持审慎
危急1-19问题严重（项目被弃置、仅有单一维护者、缺乏基本工程规范）
活力社区与采用可持续性与治理工程质量安全AI 就绪度

评分画像

每条轴代表一个类别。形状比平均值更重要——健康的对象会填满整个图形，而“一峰一谷”式画像意味着某一维度的优势正掩盖另一维度的风险。

加权总体分 89 经校准后在公布的指数量表上为 99（记录校准 2026-08-02）。

所有权

NVIDIA Corporation组织 · 域名已验证
30,155 关注者803 个公开仓库始于 2012年5月

该仓库由组织支持——共同承担、可问责的托管责任，可延续于任何单一维护者之后。

软件包生态系统

注册表软件包版本月下载量版本数最近发布
Mavenai.rapids:cudf指向其他仓库——不计分26.08.1-5121 天前
PyPIcudf指向其他仓库——不计分0.6.1.post1-12298 天前
PyPIcustreamz指向其他仓库——不计分0.0.1-12298 天前

按类别列示的指标

活力

项目是否仍有生命——是否仍在编写代码，是否仍在发布版本？

100卓越 · 占总体的 21%

开发活跃度

100卓越
评分方式
36/36推送新近度 — 最近一次推送于 0 天前
36/36提交节奏 — 52 周中有 52 周有提交
18/18提交量 — 最近一年 3,082 次提交
10/10OpenSSF Scorecard：Maintained — 30 commit(s) and 4 issue activity found in the last 90 days -- score normalized to 10
所用输入
commits_last_year3,082
human_commit_share0.99
days_since_last_push0
active_weeks_last_year52

发布纪律

100卓越
评分方式
27/27有发布版本 — 已发布 73 个发布版本
36/36发布时效 — 最近一次发布版本于 22 天前
27/27发布节奏 — 约每 37.1 天发布一次
0/10OpenSSF Scorecard：Signed-Releases — 无数据
所用输入
releases_count73
latest_release_tagv26.08.01
releases_from_tags否
days_since_latest_release22
mean_days_between_releases37.1
已排除计分（无数据或不适用）：OpenSSF Scorecard：Signed-Releases。 其余权重已重新归一化。

社区与采用

项目是否拥有用户、下载量与关注度，并具备欢迎贡献者参与的配置？

88优秀 · 占总体的 17%

流行度与采用

97卓越
评分方式
60/60星标 — 9,752 个星标
25/25复刻 — 1,109 个复刻
12.1/15关注者 — 153 位关注者
所用输入
forks1,109
stars9,752
watchers153
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

社区健康

77良好
评分方式
22.5/22.5README
22.5/22.5许可证 — 可识别的许可证（Apache-2.0）
18/18CONTRIBUTING 指南
0/13.5行为准则
0/7.2议题模板
6.3/6.3PR 模板
所用输入
has_readme是
has_license是
readme_badges0
has_contributing是
has_issue_template否
has_code_of_conduct否
readme_badge_services—
has_pull_request_template是

可持续性与治理

项目能否在其成员之外延续——巴士系数、响应能力、由谁支持，以及软件包的维护状况？

94卓越 · 占总体的 23%

维护者韧性（巴士系数）

98卓越
评分方式
54/54巴士系数 — 11 位贡献者贡献了半数提交
20.6/22.5提交分布 — 头号贡献者编写了 8% 的提交
13.5/13.5贡献者广度 — 100 位贡献者
10/10OpenSSF Scorecard：Contributors — project has 16 contributing companies or organizations
所用输入
bus_factor11
contributors_sampled100
top_contributor_share0.083

议题与 PR 响应能力

84优秀
评分方式
35.8/42议题解决 — 85% 的议题已关闭
26.9/30PR 接受 — 已裁定的 PR 中 14,381/16,039 已合并
6.5/13Newcomer PR acceptance — 30 天内首次贡献者的 PR 已合并 1/2
15/15OpenSSF Scorecard：Code-Review — all changesets reviewed
所用输入
merged_prs14,381
open_issues1,171
closed_issues6,794
prs_merged_7d44
prs_decided_7d53
prs_merged_30d45
prs_decided_30d54
issue_closed_ratio0.853
closed_unmerged_prs1,658
first_time_authors_30d2
first_time_prs_merged_30d1
first_time_prs_decided_30d2

所有权与托管责任

100卓越
评分方式
30/30所有权背书 — 组织持有
20/20已验证域名
25/25所有者影响力 — NVIDIA 有 30,155 位关注者
25/25既往记录 — 803 个公开仓库，账户约 14 年
所用输入
followers30,155
owner_typeOrganization
is_verified是
owner_loginNVIDIA
public_repos803
account_age_days5,242

工程质量

基础的工程与文档实践是否到位？

92优秀 · 占总体的 19%

工程实践

94卓越
评分方式
24/24CI 工作流 — 16 个工作流
24/24存在测试
16/16Linter 配置 — pyproject.toml ([tool.ruff]), python/cudf/pyproject.toml ([tool.ruff]), python/cudf_kafka/pyproject.toml ([tool.ruff]), python/cudf_polars/pyproject.toml ([tool.ruff]), python/cudf_streaming/pyproject.toml ([tool.ruff]), python/custreamz/pyproject.toml ([tool.ruff]), python/dask_cudf/pyproject.toml ([tool.ruff]), python/pylibcudf/pyproject.toml ([tool.ruff])
9.6/9.6Pre-commit 钩子
0/6.4.editorconfig
20/20OpenSSF Scorecard：CI-Tests — 22 out of 22 merged PRs checked by a CI test -- score normalized to 10
所用输入
has_ci是
has_tests是
has_editorconfig否
has_linter_config是
has_precommit_config是

文档

90优秀
评分方式
30/30README
25/25文档目录
15/15文档 / 主页站点 — https://docs.nvidia.com/cudf/
10/10仓库描述
10/10主题标签 — 13 个主题标签
0/10Wiki
所用输入
topicsgpu, rapids, cudf, arrow, cuda, pandas, dataframe, dask, data-analysis, data-science, pydata, cpp, python
has_wiki否
homepagehttps://docs.nvidia.com/cudf/
docs_sitehttps://docs.nvidia.com/cudf/
has_readme是
has_docs_dir是
has_description是

安全

可见的安全与供应链实践是否稳固，且不存在未解决的高风险司法辖区暴露？

67良好 · 占总体的 16%

安全态势

59中等
评分方式
7.5/7.5Binary-Artifacts — no binaries found in the repo
6.8/7.5Branch-Protection — branch protection is not maximal on development and all release branches
2.5/2.5CI-Tests — 22 out of 22 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
7.5/7.5Code-Review — all changesets reviewed
2.5/2.5Contributors — project has 16 contributing companies or organizations
0/10Dangerous-Workflow — dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5许可证 — license file detected
7.5/7.5Maintained — 30 commit(s) and 4 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — 无数据
0.5/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 1
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — 无数据
4.5/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 110 existing vulnerabilities detected
所用输入
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate5.9
已排除计分（无数据或不适用）：Packaging, Signed-Releases。 其余权重已重新归一化。

依赖安全公告

100卓越
评分方式
35/35直接依赖不含已知公告 — 没有直接依赖携带已知公告
25/25间接依赖不含已知公告 — 没有间接依赖携带已知公告
0/40没有长期未处理的公告 — 没有公告带有发布日期
所用输入
sourceosv
advisories0
affected_packages0
assessed_packages1
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
已排除计分（无数据或不适用）：没有长期未处理的公告。 其余权重已重新归一化。 比对的是 maven:ai.rapids:cudf@26.08.1 的运行时依赖闭包——安装已发布的软件包时真正被拉取进来的内容——共 1 个软件包。 未对可达性进行分析。

AI 就绪度

该仓库在多大程度上具备与 AI 编码代理协同开发与维护的条件？权重刻意设小（4%）：代理工具链是一项真实的维护信号，但完全不具备的仓库仍可达到 100/100。

75良好 · 占总体的 4%

AI 代理上下文与指引

53中等
评分方式
0/45代理指令 — 没有 CLAUDE.md / AGENTS.md / 编辑器规则
15/15机器可读文档（llms.txt） — 项目网站提供 llms.txt（https://docs.nvidia.com/llms.txt）
38.2/40可读的提交历史 — 99 次人类提交中有 71 次说明了意图（结构化标题或解释性正文）
所用输入
has_llms_txt是
llms_txt_urlhttps://docs.nvidia.com/llms.txt
legible_history_share0.717
agent_instruction_files—
agent_instruction_max_bytes—

验证循环（构建 / 测试 / 类型检查）

73良好
评分方式
18/18一条命令的引导启动 — docs/cudf/Makefile, docs/dask_cudf/Makefile
22/22自动化测试
11/11Lint / 格式化配置 — pyproject.toml ([tool.ruff]), python/cudf/pyproject.toml ([tool.ruff]), python/cudf_kafka/pyproject.toml ([tool.ruff]), python/cudf_polars/pyproject.toml ([tool.ruff]), python/cudf_streaming/pyproject.toml ([tool.ruff]), python/custreamz/pyproject.toml ([tool.ruff]), python/dask_cudf/pyproject.toml ([tool.ruff]), python/pylibcudf/pyproject.toml ([tool.ruff])
11/11静态类型检查 — python/cudf_polars/cudf_polars/py.typed, python/pylibcudf/pylibcudf/py.typed
10/10可复现环境 — devcontainer, Dockerfile
0/10已体现的代理实践 — 最近 100 次提交中没有代理编写的提交
0/8自动化维护 — 未观察到自动依赖更新
1/10OpenSSF Scorecard：Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 1
所用输入
has_nix否
has_tests是
lockfiles—
has_dockerfile是
typed_language是
bootstrap_filesdocs/cudf/Makefile, docs/dask_cudf/Makefile
has_devcontainer是
has_linter_config是
typecheck_configspython/cudf_polars/cudf_polars/py.typed, python/pylibcudf/pylibcudf/py.typed
agent_commit_share0
toolchain_manifestsjava/examples/deployment-modes/pom.xml, java/pom.xml
dependency_bot_commit_share0

面向模型的代码可读性

98卓越
评分方式
45/45可类型检查的代码 — C++（静态类型）
53.5/55可控的文件大小 — 采样的 2,804 个源文件中有 79 个超过 60KB
所用输入
primary_languageC++
largest_source_bytes793,759
source_files_sampled2,804
oversized_source_files79

机器可读接口

100卓越
评分方式
0/40API 模式（OpenAPI/GraphQL/proto） — 不适用于此类软件
0/20MCP 服务器 — 不适用于此类软件
40/40可运行示例 — examples, notebooks, recipes
所用输入
example_dirsexamples, notebooks, recipes
has_mcp_signal否
api_schema_files—
interfaces_expected_of—
已排除计分（无数据或不适用）：API 模式（OpenAPI/GraphQL/proto）, MCP 服务器。 其余权重已重新归一化。

关键数据

9,752GitHub 星标
100贡献者
3,082最近 12 个月提交数
0距最近推送天数
73发布版本数
11巴士系数（bus factor）
1,171开放议题
Maven, PyPI软件包生态系统数

数据采集警告

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 24 authors (cap 12)
  • maven package 'ai.rapids:cudf' points at a different repository (https://github.com/rapidsai/cudf); excluded from ecosystem scoring
  • pypi package 'cudf' points at a different repository (https://github.com/rapidsai/dask-cuda); excluded from ecosystem scoring
  • Could not fetch pypi package 'libcudf' from its registry
  • pypi package 'custreamz' points at a different repository (https://github.com/rapidsai/dask-cuda); excluded from ecosystem scoring
  • Could not fetch pypi package 'dask-cudf' from its registry
  • Could not fetch pypi package 'pylibcudf' from its registry
  • Could not fetch pypi package 'cudf_kafka' from its registry
  • Could not fetch pypi package 'cudf-polars' from its registry
  • Could not fetch pypi package 'cudf-streaming' from its registry

更多细节

Star 与 Fork 历史 0 ★ / 1,109 ⇿
0Star
1,109Fork
73发布

每颗 star 和每个 fork 的添加时间，来自 GitHub 并按天汇总。累计增长位于其构成来源——每日新增——的正上方，二者可相互对照：稳定的自然增长与短暂的突增形态截然不同。当这一差别可被衡量时，它会作为增长真实性予以报告。

仅显示最近的历史——该仓库超出采集窗口，因此未采集最早的历史记录。

02004006008001,0001,2001,109242018-122022-102026-09
主版本 0次版本 36修订 30

每个点涵盖 8 天。

OpenSSF Scorecard 5.9 / 10
5.9综合

来自开源项目 OpenSSF Scorecard 的独立、工具无关的安全评估。每项检查奖励的是安全实践本身，而非特定供应商的工具。Scorecard 无法判定的检查项标记为 不适用，并从安全评分中剔除（绝不按零分计）。Scorecard v5.5.0 · 2026-09-17 16:08 UTC

10Binary-Artifactsno binaries found in the repo
9Branch-Protectionbranch protection is not maximal on development and all release branches
10CI-Tests22 out of 22 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
10Code-Reviewall changesets reviewed
10Contributorsproject has 16 contributing companies or organizations
0Dangerous-Workflowdangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 4 issue activity found in the last 90 days -- score normalized to 10
不适用Packagingpackaging workflow not detected
1Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 1
0SASTSAST tool is not run on all commits -- score normalized to 0
10Security-Policysecurity policy file detected
不适用Signed-Releasesno releases found
6Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities110 existing vulnerabilities detected
直接依赖 61
注册表软件包版本约束清单文件
Mavenorg.slf4j:slf4j-api${slf4j.version}java/pom.xml
Mavenorg.apache.groovy:groovy4.0.21java/pom.xml
Mavenorg.apache.groovy:groovy-ant4.0.21java/pom.xml
Mavenorg.junit.platform:junit-platform-surefire-provider1.2.0java/pom.xml
Mavenorg.junit.jupiter:junit-jupiter-engine5.4.2java/pom.xml
Mavenorg.apache.maven.surefire:surefire-logger-api2.21.0java/pom.xml
PyPIcachetools—python/cudf/pyproject.toml
PyPIcuda-bindings>=13.0.2,<14.0python/cudf/pyproject.toml
PyPIcupy-cuda13x>=14.0.1,!=14.1.0python/cudf/pyproject.toml
PyPIfsspec>=0.6.0python/cudf/pyproject.toml
PyPIlibcudf==26.12.*,>=0.0.0a0python/cudf/pyproject.toml
PyPInumba-cuda-mlir>=0.3.0python/cudf/pyproject.toml
PyPInumba-cuda>=0.22.2,<0.31.0python/cudf/pyproject.toml
PyPInumba>=0.60.0,<0.65.0python/cudf/pyproject.toml
PyPInumpy>=2.0,<3.0python/cudf/pyproject.toml
PyPInvtx>=0.2.1python/cudf/pyproject.toml
PyPIpackaging—python/cudf/pyproject.toml
PyPIpandas>=3.0.0,<3.1.0python/cudf/pyproject.toml
PyPIpyarrow>=19.0.0python/cudf/pyproject.toml
PyPIpylibcudf==26.12.*,>=0.0.0a0python/cudf/pyproject.toml
PyPIrich—python/cudf/pyproject.toml
PyPIrmm==26.12.*,>=0.0.0a0python/cudf/pyproject.toml
PyPIcudf==26.12.*,>=0.0.0a0python/cudf_kafka/pyproject.toml
PyPIcuda-bindings>=13.0.2,<14.0python/cudf_polars/pyproject.toml
PyPIcudf-streaming==26.12.*,>=0.0.0a0python/cudf_polars/pyproject.toml
PyPIkvikio==26.12.*,>=0.0.0a0python/cudf_polars/pyproject.toml
PyPInvidia-ml-py>=12python/cudf_polars/pyproject.toml
PyPIpackaging—python/cudf_polars/pyproject.toml
PyPIpolars>=1.35,<1.45python/cudf_polars/pyproject.toml
PyPIpylibcudf==26.12.*,>=0.0.0a0python/cudf_polars/pyproject.toml
PyPIrapidsmpf==26.12.*,>=0.0.0a0python/cudf_polars/pyproject.toml
PyPItyping_extensions>=4.0.0python/cudf_polars/pyproject.toml
PyPIlibcudf-streaming==26.12.*,>=0.0.0a0python/cudf_streaming/pyproject.toml
PyPIpylibcudf==26.12.*,>=0.0.0a0python/cudf_streaming/pyproject.toml
PyPIrapidsmpf==26.12.*,>=0.0.0a0python/cudf_streaming/pyproject.toml
PyPIrmm==26.12.*,>=0.0.0a0python/cudf_streaming/pyproject.toml
PyPIconfluent-kafka—python/custreamz/pyproject.toml
PyPIcudf==26.12.*,>=0.0.0a0python/custreamz/pyproject.toml
PyPIcudf_kafka==26.12.*,>=0.0.0a0python/custreamz/pyproject.toml
PyPIstreamz—python/custreamz/pyproject.toml
PyPIcudf==26.12.*,>=0.0.0a0python/dask_cudf/pyproject.toml
PyPIcupy-cuda13x>=14.0.1,!=14.1.0python/dask_cudf/pyproject.toml
PyPIfsspec>=0.6.0python/dask_cudf/pyproject.toml
PyPInumpy>=2.0,<3.0python/dask_cudf/pyproject.toml
PyPInvidia-ml-py>=12python/dask_cudf/pyproject.toml
PyPIpandas>=3.0.0,<3.1.0python/dask_cudf/pyproject.toml
PyPIrapids-dask-dependency==26.12.*,>=0.0.0a0python/dask_cudf/pyproject.toml
PyPIcuda-pathfinder—python/libcudf/pyproject.toml
PyPIcuda-toolkit==13.*python/libcudf/pyproject.toml
PyPIlibkvikio==26.12.*,>=0.0.0a0python/libcudf/pyproject.toml
PyPIlibrmm==26.12.*,>=0.0.0a0python/libcudf/pyproject.toml
PyPInvidia-libnvcomp==5.3.0.16python/libcudf/pyproject.toml
PyPInvidia-nvjitlink>=13.3,<14python/libcudf/pyproject.toml
PyPIrapids-logger==0.3.*python/libcudf/pyproject.toml
PyPIlibcudf==26.12.*,>=0.0.0a0python/libcudf_streaming/pyproject.toml
PyPIlibrapidsmpf==26.12.*,>=0.0.0a0python/libcudf_streaming/pyproject.toml
PyPIlibrmm==26.12.*,>=0.0.0a0python/libcudf_streaming/pyproject.toml
PyPIcuda-bindings>=13.0.2,<14.0python/pylibcudf/pyproject.toml
PyPIlibcudf==26.12.*,>=0.0.0a0python/pylibcudf/pyproject.toml
PyPInvtx>=0.2.1python/pylibcudf/pyproject.toml
PyPIrmm==26.12.*,>=0.0.0a0python/pylibcudf/pyproject.toml
全部依赖 73

来自 GitHub 依赖图的完整解析依赖集合：36 个直接依赖与 37 个间接（传递）软件包。仓库提交锁文件时，传递闭包才是完整的。

注册表软件包版本关系
Mavenorg.apache.groovy:groovy4.0.21直接
Mavenorg.apache.groovy:groovy-ant4.0.21直接
Mavenorg.apache.maven.surefire:surefire-logger-api2.21.0直接
Mavenorg.junit.jupiter:junit-jupiter-engine5.4.2直接
Mavenorg.junit.platform:junit-platform-surefire-provider1.2.0直接
Mavenorg.slf4j:slf4j-api1.7.30直接
PyPIcuda-bindings—直接
PyPIcuda-toolkit—直接
PyPIcudf—直接
PyPIcudf-kafka—直接
PyPIcudf-streaming—直接
PyPIcupy-cuda13x—直接
PyPIfsspec—直接
PyPIkvikio—直接
PyPIlibcudf—直接
PyPIlibcudf-streaming—直接
PyPIlibkvikio—直接
PyPIlibrapidsmpf—直接
PyPIlibrmm—直接
PyPInumba—直接
PyPInumba-cuda—直接
PyPInumba-cuda-mlir—直接
PyPInumpy—直接
PyPInvidia-libnvcomp5.3.0.16直接
PyPInvidia-ml-py—直接
PyPInvidia-nvjitlink—直接
PyPInvtx—直接
PyPIpandas—直接
PyPIpolars—直接
PyPIpyarrow—直接
PyPIpylibcudf—直接
PyPIrapids-dask-dependency—直接
PyPIrapids-logger—直接
PyPIrapidsmpf—直接
PyPIrmm—直接
PyPItyping-extensions—直接
Mavenai.rapids:cudf—间接
Mavenai.rapids:cudf-packaged26.12.0-SNAPSHOT间接
Mavenio.netty:netty-buffer—间接
Mavenio.netty:netty-common—间接
Mavenorg.apache.arrow:arrow-vector0.15.1间接
Mavenorg.apache.hadoop:hadoop-common3.4.0间接
Mavenorg.apache.maven.plugins:maven-dependency-plugin—间接
Mavenorg.apache.maven.plugins:maven-failsafe-plugin2.22.0间接
Mavenorg.apache.maven.plugins:maven-gpg-plugin1.5间接
Mavenorg.apache.maven.plugins:maven-jar-plugin—间接
Mavenorg.apache.maven.plugins:maven-javadoc-plugin2.9.1间接
Mavenorg.apache.maven.plugins:maven-javadoc-plugin3.6.3间接
Mavenorg.apache.maven.plugins:maven-source-plugin2.2.1间接
Mavenorg.apache.maven.plugins:maven-surefire-plugin—间接
Mavenorg.apache.parquet:parquet-avro1.10.0间接
Mavenorg.codehaus.gmavenplus:gmavenplus-plugin—间接
Mavenorg.codehaus.gmavenplus:gmavenplus-plugin3.0.0间接
Mavenorg.junit.jupiter:junit-jupiter-api5.4.2间接
Mavenorg.junit.jupiter:junit-jupiter-params5.4.2间接
Mavenorg.junit.platform:maven-surefire-plugin2.22.0间接
Mavenorg.mockito:mockito-core2.25.0间接
Mavenorg.slf4j:slf4j-simple1.7.30间接
PyPIaiobotocore—间接
PyPIboto3—间接
PyPIbotocore—间接
PyPIdask-cuda—间接
PyPIfastavro—间接
PyPIhypothesis—间接
PyPImatplotlib—间接
PyPIpytest—间接
PyPIpytest-cases—间接
PyPIpytest-rerunfailures—间接
PyPIrapids-build-backend—间接
PyPIray—间接
PyPIs3fs—间接
PyPIscikit-build-core—间接
PyPIsetuptools—间接
依赖安全公告 0

安装 maven:ai.rapids:cudf@26.08.1 会引入 1 个包（直接与传递）：其中 0 个存在已知公告，0 个为直接依赖。

没有已知公告影响已评估的依赖。

公告表示依赖图中记录的版本落入某条公告的受影响范围。可达性未经分析，且依赖图包含开发与测试的版本固定——某项发现可能只涉及工具链而非交付的软件。

原始 JSON 报告 机器可读

反馈

发现这份报告有不准确之处，或有想法要分享？错误的测量、未识别的工具、建议、疑问——都欢迎提出。每条消息都会被阅读并得到回复。

登录过程中消息不会丢失。

相关记录

与 NVIDIA/cudf 共享目录标签或生态系统的已检测仓库。 并排阅读 →

99pandas-dev/pandasFlexible and powerful data analysis / manipulation library for Python, providing labeled data structures similar to R data.frame objects, statistical functions, and much more卓越98man-group/ArcticDBArcticDB is a high performance, serverless DataFrame database built for the Python Data Science ecosystem.卓越98dask/daskParallel computing with task scheduling卓越100scikit-learn/scikit-learnscikit-learn: machine learning in Python卓越100streamlit/streamlitStreamlit — A faster way to build and share data apps.卓越99apache/supersetApache Superset is a Data Visualization and Data Exploration Platform卓越

评分是信号，而非担保。 评分反映的是 GitHub 上公开可见的实践——不是代码审计，也不是安全保证。

缺失数据将被剔除并重新归一化权重，绝不按零分计。方法论已版本化并公开：指标 v2.10.0、模式 v0.34.0—— 完整方法论 · 指标知识库.

单项结果在整体记录中的位置： 汇总统计 — Maven, PyPI.