Linux 内核漏洞复现工件归档数据集
数据集简介
项目定位与目标
KB-LVA 全称为 Kernel Borderlands Linux Vulnerability Archive,是 Kernel Borderlands 生态中的独立研究数据集项目,由 GitHub 账号 pardhuvarmax 维护。项目面向 Linux 内核漏洞研究,围绕漏洞复现与可复现性展开:发现、采集、保存、分类与整理 Linux 内核漏洞的概念验证(PoC)及复现工件,并保留足够的来源追溯与验证证据,使其他研究者能够学习与复现。
主要交付物是机器可读数据集,包含实际 PoC 源码文件(仅在允许再分发时收录)以及漏洞记录、来源、兼容性、完整性哈希、许可状态与验证证据。
当前指标
仓库以指标表形式记录项目进展,可核对的数据如下:
| 指标 | 数值 |
|---|---|
| 注册 CVE | 173 个 |
| 扫描快照 | 5 个 |
| 工件记录 | 6,521 条 |
| 文件级复现候选 | 1,088 个(ready 293 / needs-review 533 / needs-resolution 262) |
| 采集批次 | 4 个 |
| 已检索工件 | 103 个(48 个存放于 corpus/,55 个仅本地) |
| 源审查 / 拒绝 | 0 / 0 |
| 实验室验证 | 0 |
初始发现扫描于 2026-11-03 执行,共发现 4,447 个唯一工件、617 个仓库级复现候选,覆盖 148 个 CVE,均尚未验证。仓库体积约 1388 KB。
数据生命周期
数据从发现到发布经历多个阶段,每个阶段在仓库中留有对应记录:
- 发现:登记扫描结果,形成不可变扫描器快照与规范化记录。
- 导入:将候选写入采集候选池,并生成导入报告。
- 分类与去重:按类别整理源码文件,剔除重复项。
- 采集审批:对候选逐条审批,记录拒绝原因。
- 源检索、完整性与溯源:核对来源,计算完整性哈希。
- 源审查与实验室验证:审查来源合规性,并在隔离环境中验证。
- 数据集发布:生成发布清单与 SHA-256 清单。
仓库结构
仓库按流水线阶段组织目录,便于定位与审计:
discovery/:注册表、不可变扫描器快照、规范化记录、导入报告。acquisition/:候选、审批清单、拒绝记录与日志,例如acquisition/candidates/candidates.json。corpus/:按类别整理的源码文件。metadata/:JSONL 数据集分层。schemas/:JSON Schema 定义。manifests/:SHA-256 清单与发布清单。cmd/、internal/:kblva Go CLI 的入口与内部实现。tools/:已被 kblva 取代的旧 Python 工具。documentation/:方法与政策文档。
文件格式涵盖 jsonl、json、yaml、md、png、go 与 C。
kblva 命令行工具
kblva 是以 Go 编写的命令行工具,承载上述流水线。它取代了 tools/ 下的旧 Python 工具,统一了发现、导入、采集、校验与发布等环节的操作入口,使数据集构建过程可脚本化、可重复执行。
自动化与原则
项目强调自动化:扫描、导入、去重、哈希计算与清单生成均通过流水线完成,减少人工操作带来的不一致。项目原则包括保留来源与许可信息、以完整性哈希保证可校验性、在验证前不宣称复现成功。
范围之外
KB-LVA 明确不在隔离实验室之外运行档案中的任何内容。未经验证的候选不会被标记为可用复现,源审查与实验室验证均以独立记录呈现。
许可与安全
GitHub 仓库公开,可免费访问与 fork。采集工件保留其原始许可与署名;公开仓库本身不授予再分发权。许可未知或受限时,仅保留元数据与源引用。仓库自身的许可证尚未选定(license: null)。出于安全考虑,禁止在隔离实验室之外运行档案中的任何内容。