Är Bloom Filter säker?
Bloom Filter — Nerq Trust Score 54.8/100 (Betyg C-). Baserat på analys av 2 tillitsdimensioner bedöms det som har anmärkningsvärda säkerhetsproblem. Senast uppdaterad: 2026-04-23.
Använd Bloom Filter med försiktighet. Bloom Filter är en Python-paket med ett Nerq-förtroendepoäng på 54.8/100 (C-), baserat på 3 oberoende datadimensioner. Under Nerqs verifierade tröskel Säkerhet: 90/100. Popularitet: 0/100. Data hämtad från PyPI registry, GitHub repository, NVD, OSV.dev, and OpenSSF Scorecard. Senast uppdaterad: 2026-03-20. Maskinläsbar data (JSON).
Är Bloom Filter säker?
CAUTION — Bloom Filter has a Nerq Trust Score of 54.8/100 (C-). Har måttliga förtroendesignaler men uppvisar vissa oroande områden that warrant attention. Suitable for development use — review säkerhet and underhåll signals before production deployment.
Vad är Bloom Filters förtroendepoäng?
Bloom Filter har ett Nerq-förtroendepoäng på 54.8/100 med betyget C-. Denna poäng baseras på 2 oberoende mätta dimensioner inklusive säkerhet, underhåll och communityanvändning.
Vilka är de viktigaste säkerhetsresultaten för Bloom Filter?
Bloom Filters starkaste signal är säkerhet på 90/100. Inga kända sårbarheter har upptäckts. Har ännu inte nått Nerqs verifieringströskel på 70+.
Vad är Bloom Filter och vem underhåller det?
| Utvecklare | Harshad Sharma |
| Kategori | Python Packages |
| Källa | N/A |
Liknande Pypi efter förtroendepoäng
Jämför
Säkerhetsguide: Bloom Filter
Vad är Bloom Filter?
Bloom Filter är ett Python-paket — Pure Python Bloom Filter module.
Så verifierar du säkerheten
Run pip audit or safety check. Review on PyPI for download stats.
Du kan också kontrollera förtroendepoängen via API: GET /v1/preflight?target=bloom-filter
Viktiga säkerhetsproblem för Python-paket
När du utvärderar ett Python-paket, håll utkik efter: dependency vulnerabilities, malicious uploads, underhåll status.
Förtroendebedömning
Bloom Filter has a Nerq Trust Score of 55/100 (C-) and har ännu inte nått Nerqs förtroendegräns (70+). Denna poäng baseras på automatiserad analys av signaler för säkerhet, underhåll, community och kvalitet.
Viktigaste slutsatser
- Bloom Filter has a Trust Score of 55/100 (C-).
- Granska noga innan användning — under förtroendegränsen.
- Verifiera alltid oberoende med Nerq API.
Detaljerad poänganalys
| Dimension | Poäng |
|---|---|
| Säkerhet | 90/100 |
| Underhåll | 56/100 |
| Popularitet | 0/100 |
| Quality | 65/100 |
| Community | 35/100 |
Baserad på 5 dimensioner. Data från PyPI registry, GitHub repository, NVD, OSV.dev, and OpenSSF Scorecard.
Vilka data samlar Bloom Filter in?
Integritet assessment for Bloom Filter is not yet available. See our methodology for how Nerq measures privacy, or the public privacy review for any community-contributed notes.
Är Bloom Filter säker?
Säkerhetspoäng: 90/100. Bloom Filter has 0 known vulnerabilities (CVEs) in the National Vulnerability Database. This is a clean record.
Licensed under MIT, allowing code inspection. Öppen källkod möjliggör oberoende säkerhetsgranskning av källkoden.
Kör pakethanterarens granskningskommando (`npm audit`, `pip audit`, `cargo audit`) för att söka efter kända sårbarheter i ditt beroendeträd.
Fullständig analys: Bloom Filter säkerhetsrapport
Så beräknade vi denna poäng
Bloom Filter's trust score of 54.8/100 (C-) beräknas utifrån PyPI registry, GitHub repository, NVD, OSV.dev, and OpenSSF Scorecard. Poängen speglar 5 oberoende dimensioner: säkerhet (90/100), underhåll (56/100), popularitet (0/100), quality (65/100), community (35/100). Varje dimension ges lika vikt för att producera den sammansatta förtroendepoängen.
Nerq analyserar över 7,5 miljoner entiteter i 26 register med samma metodik, vilket möjliggör direkt jämförelse mellan entiteter. Poäng uppdateras löpande när ny data finns tillgänglig.
Den här sidan granskades senast April 23, 2026. Dataversion: 0.0.
Fullständig metodikdokumentation · Maskinläsbar data (JSON API)
Vanliga frågor
Är Bloom Filter säker?
Vad är Bloom Filters förtroendepoäng?
Vilka är säkrare alternativ till Bloom Filter?
Har Bloom Filter kända sårbarheter?
Underhålls Bloom Filter aktivt?
Populära inom Python Packages
Bläddra bland kategorier
Se även
Disclaimer: Nerqs förtroendepoäng är automatiserade bedömningar baserade på offentligt tillgängliga signaler. De utgör inte rekommendationer eller garantier. Gör alltid din egen verifiering.