First PHP Webshell Opcode Incremental Dataset

PHP Webshell Dataset Motivation To improve the robustness of PHP webshell detection by analyzing low-level opcode patterns, circumventing common code obfuscation and evasion techniques. Content Summary Samples:10,000+ PHP files (5,000+ webshells, some with anti-detection tricks , 5,000+ benign files from WordPress/PHPCMS). Includes source code, opcodes, processed opcodes Preprocessing:Extracted opcode sequences and decoded Opcode Double-Tuples (ODTs) with expert-designed filtering rules Temporal Validation:Split into pre-2021 (training/validation) and 2021-2024 (testing) samples. Can be used for incremental learning. Key Value Enables behavior-based detection models by preserving semantic context through opcode-level feature engineering.PHP网页后门（Webshell）数据集 研究动机：为通过分析底层操作码（Opcode）模式，规避常见代码混淆与逃避技术，提升PHP网页后门检测的鲁棒性。 内容概述 样本：总计10000余个PHP文件，其中包含5000余个网页后门样本（部分样本集成反检测手段），以及取自WordPress与PHPCMS的5000余个良性文件。数据集涵盖源代码、操作码及处理后的操作码。 预处理流程：通过专家设计的过滤规则，提取操作码序列并解码操作码双元组（Opcode Double-Tuples，ODTs）。 时序验证划分：将数据集划分为2021年之前（用于训练与验证）与2021-2024年（用于测试）的样本子集，可应用于增量学习任务。 核心价值：通过操作码级特征工程保留语义上下文，为基于行为的检测模型提供支撑。