Czy Pycampbellcr1000 jest bezpieczny?
Pycampbellcr1000 — Nerq Trust Score 59.2/100 (Ocena C). Wynik oparty na 2 independent trust signals. Ostatnia analiza: 2026-07-22
Pycampbellcr1000 to Python package z wynikiem zaufania Nerq 59.2/100 (C), based on 3 niezależnych wymiarów danych. Ostatnia analiza: 2026-07-22 Bezpieczeństwo: 90/100. Popularność: 60/100. Dane pochodzą z PyPI registry, GitHub repository, NVD, OSV.dev, and OpenSSF Scorecard. Ostatnia aktualizacja: 2026-07-22. Dane odczytywalne maszynowo (JSON).
Czy Pycampbellcr1000 jest bezpieczny?
Szczegóły wyniku zaufania — Pycampbellcr1000 has a Nerq Trust Score of 59.2/100 (C). Measured across 2 independent trust signals (as of 2026-07-22).
Jaki jest wynik zaufania Pycampbellcr1000?
Pycampbellcr1000 ma Nerq Trust Score 59.2/100 z oceną C. Ten wynik opiera się na 2 niezależnie mierzonych wymiarach, w tym bezpieczeństwie, konserwacji i adopcji społeczności.
Jakie są kluczowe ustalenia bezpieczeństwa dla Pycampbellcr1000?
Najsilniejszy sygnał Pycampbellcr1000 to bezpieczeństwo na poziomie 90/100. Nie wykryto znanych luk w zabezpieczeniach.
Czym jest Pycampbellcr1000 i kto go utrzymuje?
| Autor | Lionel Darras |
| Kategoria | Python Packages |
| Źródło | N/A |
Podobne Pypi wg wyniku zaufania
Porównaj
Przewodnik bezpieczeństwa: Pycampbellcr1000
Czym jest Pycampbellcr1000?
Pycampbellcr1000 to pakiet Python — Communication tools for Campbell CR1000-type Dataloggers.
Jak zweryfikować bezpieczeństwo
Run pip audit or safety check. Review on PyPI for download stats.
Możesz również sprawdzić wynik zaufania przez API: GET /v1/preflight?target=pycampbellcr1000
Główne problemy bezpieczeństwa dla Python package
Oceniając każdy Python package, zwróć uwagę na: dependency vulnerabilities, malicious uploads, konserwacja status.
Measured Signals
Pycampbellcr1000 has a Nerq Trust Score of 59/100 (C). This score is a composite of automated measurements of bezpieczeństwo, konserwacja, community, and quality signals.
Kluczowe wnioski
- Pycampbellcr1000 has a Trust Score of 59/100 (C).
- The score is a measured composite — it is not a suitability judgment. Evaluate the individual signals against your own requirements.
- Query the current measured values via the Nerq API.
Często zadawane pytania
Czy Pycampbellcr1000 jest bezpieczny?
Jaki jest wynik zaufania Pycampbellcr1000?
Jakie są bezpieczniejsze alternatywy dla Pycampbellcr1000?
Czy Pycampbellcr1000 ma znane luki?
Czy Pycampbellcr1000 jest aktywnie utrzymywany?
Popularne w Python Packages
Przeglądaj kategorie
Zobacz także
Disclaimer: Wyniki zaufania Nerq to zautomatyzowane oceny oparte na publicznie dostępnych sygnałach. Nie stanowią rekomendacji ani gwarancji. Zawsze przeprowadzaj własną weryfikację.