自动化研究产物 — 非上游项目。

本仓库是由自动化工具链为拉瓦尔大学（Université Laval）硕士论文构建的一次性实验环境，用于复现已发表的 GitHub Actions 工作流漏洞。它是 astronomer/dag-factory 在提交 464c75ad8676e930f5ffd848312b7969b96844d7（2025-07-04）时的逐字快照，依据该项目自身的许可证重新分发，该许可证文件已原样包含在本快照中。

上游项目未参与其中，也从未成为攻击目标，此处研究的漏洞已公开。本仓库中的每个密钥和变量均为随机生成的虚拟值——不包含任何真实凭据。操作引用和运行器镜像均固定为 2025-07-04 时解析到的版本；有关对快照所做的每项更改，请参阅工具链输出中的 pinning.md。

如有疑问或异议：[email protected]

---

dag-factory

欢迎使用 dag-factory！dag-factory 是一个用于 Apache Airflow® 的库，可通过配置文件以声明方式构建 DAG。

dag-factory 的最低要求为：

• Python 3.9.0+
• Apache Airflow® 2.4+

如需温和入门，请查看我们的快速入门指南。更多示例请参阅 examples 文件夹。

• 快速入门
• 优势
• 功能特性
  • 动态映射任务
  • 多个配置文件
  • 回调
  • 自定义运算符
  • HttpSensor
• 参与贡献

优势

• 无需了解 Python 即可构建 DAG
• 无需学习 Airflow 原语即可构建 DAG
• 避免重复代码
• 人人都爱 YAML！;)

许可证

如需了解使用、复制和分发相关的条款与条件，请阅读 Apache License 2.0。

隐私声明

本项目遵循 Astronomer 的隐私政策。

更多信息请阅读此文档

安全策略

请查看项目的安全策略，了解如何向 DAG Factory 报告安全漏洞，以及提交给 DAG Factory 安全团队的安全问题是如何处理的。