Orca AI 事件档案库
逐条标注真实危害、AI 参与度与记录类型,让“今年发生了多少 AI 事件”变成可核验、可引用的开放数据集。
- Star 数
- ★ 329
- 最近更新
- 9 天前
- License
- NOASSERTION
- 主语言
- HTML
- FA 评分
- 60/100 · 存在缺口
30 秒速览
- 可在哪里用
- 通用 · 跨平台
- 开始前需要
- 典型场景
- 安全研究员需要为“AI 代理是否真的造成了损失”这一论断找可点击的一手证据,直接过滤 real_harm: true 的 153 条记录。
- 主要局限
- 记录以英文撰写,标题与摘要提供七种语言,但完整中文全文只覆盖 incidents/i18n/zh/ 路径,其他语言需自行翻译。
- 维护状态
- 近 30 天有提交最近提交 2026-11-12近 7 天每天 +28.3 ★
- 源码审查
- 60/100 · 存在缺口
这个 Agent 能做什么,适合哪些场景?
Orca AI Incident Archive 是一个开放数据集,收录真实世界中 AI 代理安全事件的记录,覆盖 2025-01 至 2026-11-08,共 417 条记录,另有 1 条可追溯至 2024-12-01 的前兆事件。每条记录是一个带 YAML 头的 Markdown 文件,包含攻击链示意图和至少一个可点击的一手来源链接,并强制回答三个字段:real_harm(是否有确认受害者)、ai_involvement(AI 参与是否被一手来源确认)、kind(事件、漏洞披露、研究演示、威胁报告还是政策动作)。仓库同时提供按月的记录目录、七个攻击面主题分类、地区切片、SCHEMA.md 字段规范、taxonomy 分类体系,以及 dist/ 下的 JSON、CSV、统计与全部来源 URL。单个 index.html 文件可离线浏览,支持七种语言。数据以 CC BY 4.0 发布,可自由引用或再分发,只需署名。
仓库读取并组织三类内容:incidents/ 下按年月分目录的 Markdown 记录(YAML 头 + 攻击链图 + 一手来源),topics/ 下的七个攻击面索引,regions/ 下的地区切片,以及 incidents/i18n/zh/ 下的完整中文全文。它调用外部一手来源链接来支撑每条判定,并在 dist/ 中产出 JSON、CSV、统计数据与全部来源 URL 清单,供下游分析直接消费。index.html 作为单文件前端,读取这些数据并支持离线检索与七种语言的标题、摘要展示。docs/data-quality.md 记录四轮核验中做的每一次删除或改判,例如把 PaperCut 的“六小时拿到域管”更正为“七分钟”。条目 id 形如 orca:2026-07-09-openai-agents-breach-huggingface,可用于单条引用。
- 安全研究员需要为“AI 代理是否真的造成了损失”这一论断找可点击的一手证据,直接过滤 real_harm: true 的 153 条记录。
- AI 治理或合规团队在编写内部风险清单时,按月目录和 severity 标准(taxonomy/severity.md)梳理 49 条 critical 事件作为参考基线。
- 威胁情报分析师用 dist/ 里的 JSON、CSV 与全部来源 URL 做批量关联分析,例如把 Shai-Hulud、TanStack、CHAINDROP 等供应链事件串成时间线。
- 事件响应人员按攻击面(topics/)查阅 prompt-injection、MCP、credential 等同类案例,比对自家代理架构的暴露点。
- 技术写作者或记者引用单条记录时使用 orca: 前缀的 id,并保留记录中标注的 disputed 或 unverified 状态。
- 数据工程师把 index.html 离线打开,在没有网络的评审现场演示按地区或月份浏览的统计图表。
如何安装或部署这个 Agent?
本仓库是数据与静态站点,没有需要编译安装的服务端或 SDK。获取数据只需要克隆仓库:
如何使用这个 Agent?
克隆后在浏览器中打开根目录的 index.html,即可离线浏览并按语言切换。程序化读取时直接消费 dist/ 下的文件,例如用 jq 按 real_harm 过滤:
这个 Agent 有哪些优点和局限?
- 强制三字段(real_harm、ai_involvement、kind)把“真实损害”和“研究演示”区分开,避免了事件数量被虚抬。
- 无来源不收录:417 条记录共 868 条来源链接、795 个唯一 URL,0 条记录缺少来源。
- 对存疑内容选择标注而非删除,ai_involvement 的 unverified 与 disputed 状态与方法论一并保留在记录中。
- 同时提供 dist/ 结构化数据(JSON、CSV、统计)与单文件 index.html,离线可用,便于二次分析。
- 以 CC BY 4.0 发布,署名即可引用与再分发,并提供了直接可用的 BibTeX 条目。
- 记录以英文撰写,标题与摘要提供七种语言,但完整中文全文只覆盖 incidents/i18n/zh/ 路径,其他语言需自行翻译。
- 严重度分级与分类是编辑判断而非厂商或监管机构的官方结论,直接用于审计或合规结论前需要二次核实。
- 只收录已公开披露的事件,不含未公开漏洞细节与利用代码,因此无法用于复现或主动防御测试。
- 仓库没有提供自动更新或实时订阅机制,引用时需要注意构建时间(2026-11-08)之后的数据可能已变化。
- 第四轮覆盖审计仍发现约 11% 的记录缺失,说明该数据集不适合作为穷尽性的统计口径。
这个 Agent 与同类方案有什么区别?
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Orca AI 事件档案库 当前 | 60 · 存在缺口 | — | ★ 329 | 9 天前 | HTML | — |
| Prismor | 61 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 583 | 今天 | Python | Codex · Claude Code · OpenAI API · Claude API |
| HOL Guard | 80 · 表现良好 | 命令行工具免费版 + 付费版 | ★ 1.1k | 今天 | Rust | Codex · Claude Code |
| SkillSpector 技能安全扫描器 | 75 · 表现良好 | 命令行工具免费 + 模型费 | ★ 27k | 今天 | Python | Codex · Claude Code · OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
这是数据档案而非执行型 Agent,权限面天然较小:CI 工作流显式声明 permissions: contents: read,符合最小权限(2)。但仓库无任何用户确认机制,贡献/合并流程仅靠文字规则(1)。数据流透明性尚可:README 说明记录为 Markdown+YAML、dist/ 提供 JSON/CSV、index.html 离线可用(2)。敏感数据处理:声明只收录公开披露事件、不含未披露漏洞细节与利用代码,且链接源版权归原主(2)。外部影响:静态内容,无破坏性默认行为(2)。回滚:仅提到“修正写入记录、不静默覆盖”,但无版本化回滚或撤销机制(1)。依赖安全:CI 使用 actions/checkout@v4、setup-python@v5 等未固定 SHA 的第三方 action,且未见依赖锁定或漏洞扫描(1)。来源归属:每条记录要求可点击一手来源、0 条无来源、CC BY 4.0 明确署名要求,归属处理充分(3)。
自洽性:README 徽章与正文数字大体一致(417 条、153 有确认受害、795 唯一 URL),但徽章写 primary_sources 795 URL 而质量表写 868 链接/795 URL,措辞略有出入(2)。依赖可用性:仅见 Python 3.12 与脚本,未见 requirements 或锁定文件,外部链接检查为 advisory 且仅抽样 60 条(1)。失败信息:CI 在派生文件不同步时给出明确错误与 diff,但脚本本身(validate.py/build.py)未在包内展示,无法评估其运行时错误提示(1)。
受众与场景:README 用“我想做什么”导航表覆盖按时间、按攻击面、按地区、数据分析、离线浏览等多种场景,受众定位清晰(3)。能力边界:明确列出收录标准与 out-of-scope(纯 LLM 内容安全、无关漏洞、无一手来源的声明),边界较清楚(2)。触发精度:作为数据档案无触发机制,但“什么算一条记录”的四条标准偏定性,边界案例判定依赖编辑判断(1)。环境适配:提供离线单文件 index.html、多语言、dist/ 多格式,适配较好;但未见运行环境/依赖说明(2)。
信息架构:README、SCHEMA、taxonomy、topics、regions、docs、dist 分层清晰,导航完善(3)。安装说明:无安装/使用步骤,仅隐含“python scripts/build.py”,缺少依赖与运行前置说明(1)。命名稳定性:记录 id 采用 orca:日期- slug 形式并用于引用,较稳定,但未见正式命名规范文档(2)。示例与 FAQ:有引用示例、贡献规则与 issue 模板,但无专门 FAQ(2)。已知局限:README 承认覆盖审计仍缺约 11%、分类为编辑判断、非官方结论(2)。许可证:LICENSE 为 CC BY 4.0 全文,但仓库元数据为 NOASSERTION,存在元数据与文件不一致(2)。版本与变更日志:仅“Built 2026-11-08”与四轮校验记录,无版本号或 CHANGELOG(1)。维护责任:发布者未经 FollowAgents 验证,身份未知,未见维护者名单或治理说明(1)。
输出可用性:记录为结构化 Markdown+YAML,dist/ 提供 JSON/CSV,index.html 可离线浏览,可直接用于分析(2)。边际价值:以 real_harm/ai_involvement/kind 三字段区分“真实伤害”与“研究演示”,相对普通事件列表有明确增量(2)。成本收益:静态数据、无需运行,获取成本低;但数据准确性依赖编辑判断且自认覆盖不全,收益受限于此(2)。
声明可追溯:每条记录要求至少一个可点击一手来源,0 条无来源,359 条为 A 级一手来源,引用含 id(3)。跨源印证:有 16 条标记 disputed 并并列双方说法,但多数记录为单一来源,未见系统性多源交叉(2)。事实与推断分离:有 kind/ai_involvement 标签与“分类为编辑判断”的免责声明,但严重度与分类仍混在记录中,分离不够彻底(2)。
- 仓库元数据许可证为 NOASSERTION,与 LICENSE 文件中的 CC BY 4.0 不一致,复用前需人工确认。
- 发布者身份未经 FollowAgents 验证,维护责任与更新路径不明确。
- CI 使用未固定 SHA 的第三方 action,且未见依赖锁定或漏洞扫描。
- 数据准确性依赖编辑判断,README 自认覆盖审计仍缺约 11%,且部分记录为单一来源。
- 无安装/运行说明与版本号/变更日志,复现构建需自行推断。
常见问题
Orca AI 事件档案库 开源吗?
Orca AI 事件档案库 安全吗?
Orca AI 事件档案库 还在维护吗?
Orca AI 事件档案库 是谁开发的?
谢谢反馈,我们会据此改进页面。