Ist Causalml sicher?
Causalml — Nerq Trust Score 64.5/100 (Note C+). Basierend auf der Analyse von 2 Vertrauensdimensionen wird es als generell sicher, aber mit einigen Bedenken eingestuft. Zuletzt aktualisiert: 2026-04-23.
Verwende Causalml mit Vorsicht. Causalml ist ein Python-Paket mit einem Nerq-Vertrauenswert von 64.5/100 (C+), basierend auf 3 unabhängigen Datendimensionen. Unter der Nerq-Vertrauensschwelle Sicherheit: 90/100. Beliebtheit: 60/100. Daten von PyPI registry, GitHub repository, NVD, OSV.dev, and OpenSSF Scorecard. Zuletzt aktualisiert: 2026-03-20. Maschinenlesbare Daten (JSON).
Ist Causalml sicher?
CAUTION — Causalml has a Nerq Trust Score of 64.5/100 (C+). Es hat moderat Vertrauenssignale, zeigt aber einige Problembereiche that warrant attention. Suitable for development use — review Sicherheit and Wartung signals before production deployment.
Was ist die Vertrauensbewertung von Causalml?
Causalml hat eine Nerq-Vertrauensbewertung von 64.5/100 und erhält die Note C+. Diese Bewertung basiert auf 2 unabhängig gemessenen Dimensionen.
Was sind die wichtigsten Sicherheitsergebnisse für Causalml?
Das stärkste Signal von Causalml ist sicherheit mit 90/100. Es wurden keine bekannten Schwachstellen erkannt. Hat die Nerq-Vertrauensschwelle von 70+ noch nicht erreicht.
Was ist Causalml und wer pflegt es?
| Autor | Huigang Chen, Totte Harinen, Jeong-Yoon Lee, Jing Pan, Mike Yung, Zhenyu Zhao |
| Kategorie | Python Packages |
| Quelle | N/A |
Ähnliche Pypi nach Vertrauensbewertung
Sicherheitsleitfaden: Causalml
Was ist Causalml?
Causalml ist ein Python-Paket — Python Package for Uplift Modeling and Causal Inference with Machine Learning Algorithms.
Sicherheit überprüfen
Run pip audit or safety check. Review on PyPI for download stats.
Sie können die Vertrauensbewertung auch über die API prüfen: GET /v1/preflight?target=causalml
Wichtige Sicherheitsbedenken für Python package
Bei der Bewertung jeder Python package, achten Sie auf: dependency vulnerabilities, malicious uploads, Wartung status.
Vertrauensbewertung
Causalml has a Nerq Trust Score of 64/100 (C+) and has not yet reached Nerq trust threshold (70+). Diese Bewertung basiert auf automatisierter Analyse von Sicherheits-, Wartungs-, Community- und Qualitätssignalen.
Wichtigste Punkte
- Causalml has a Trust Score of 64/100 (C+).
- Vor der Nutzung sorgfältig prüfen — unterhalb der Vertrauensschwelle.
- Überprüfen Sie immer unabhängig mit der Nerq API.
Detaillierte Bewertungsanalyse
| Dimension | Bewertung |
|---|---|
| Sicherheit | 90/100 |
| Wartung | 79/100 |
| Beliebtheit | 60/100 |
| Quality | 40/100 |
| Community | 35/100 |
Basierend auf 5 Dimensionen. Daten von PyPI registry, GitHub repository, NVD, OSV.dev, and OpenSSF Scorecard.
Welche Daten erhebt Causalml?
Datenschutz assessment for Causalml is not yet available. See our methodology for how Nerq measures privacy, or the public privacy review for any community-contributed notes.
Ist Causalml sicher?
Sicherheitsbewertung: 90/100. Causalml has 0 known vulnerabilities (CVEs) in the National Vulnerability Database. This is a clean record.
Lizenzinformationen nicht verfügbar. Open-Source-Pakete ermöglichen eine unabhängige Sicherheitsüberprüfung des Quellcodes.
Führen Sie den Audit-Befehl Ihres Paketmanagers aus (`npm audit`, `pip audit`, `cargo audit`) um bekannte Schwachstellen in Ihrem Abhängigkeitsbaum zu prüfen.
Vollständige Analyse: Causalml Sicherheitsbericht
Wie wir diese Bewertung berechnet haben
Causalml's trust score of 64.5/100 (C+) wird berechnet aus PyPI registry, GitHub repository, NVD, OSV.dev, and OpenSSF Scorecard. Die Bewertung spiegelt wider 5 unabhängige Dimensionen: Sicherheit (90/100), Wartung (79/100), Beliebtheit (60/100), quality (40/100), community (35/100). Jede Dimension wird gleich gewichtet, um die zusammengesetzte Vertrauensbewertung zu erstellen.
Nerq analysiert über 7,5 Millionen Entitäten in 26 Registern mit derselben Methodik, die einen direkten Vergleich zwischen Entitäten ermöglicht. Bewertungen werden kontinuierlich aktualisiert, sobald neue Daten verfügbar sind.
Diese Seite wurde zuletzt überprüft am April 23, 2026. Datenversion: 0.0.
Vollständige Methodendokumentation · Maschinenlesbare Daten (JSON-API)
Häufig gestellte Fragen
Ist Causalml sicher?
Was ist die Vertrauensbewertung von Causalml?
Was sind sicherere Alternativen zu Causalml?
Hat Causalml bekannte Schwachstellen?
Wird Causalml aktiv gepflegt?
Beliebt in Python Packages
Kategorien durchsuchen
Siehe auch
Disclaimer: Nerq-Vertrauensbewertungen sind automatisierte Bewertungen basierend auf öffentlich verfügbaren Signalen. Sie sind keine Empfehlungen oder Garantien. Führen Sie immer Ihre eigene Sorgfaltsprüfung durch.