brin

该数据集包含来自brin评分管道的开源威胁扫描记录，免费用于研究、红队和模型训练。

This dataset contains open-source threat scanning records from the Brin Scoring Pipeline, and is freely available for research, red teaming, and model training.

原始信息汇总

brin 数据集概述

数据集简介

brin 是一个用于评估 AI 代理所消费上下文安全性的信用评分数据集。该数据集包含来自 brin 评分管道的开源威胁扫描记录，可用于研究、红队测试和模型训练。

核心内容

• 目的：在 AI 代理行动前，对每一份上下文进行安全评分，以检测恶意软件、提示注入、网络钓鱼和供应链攻击。
• 覆盖范围：涵盖软件包、代码仓库、MCP 服务器、技能和 URL。

数据模式

每条记录代表一次 brin 扫描结果，包含以下字段：

字段	类型	描述
origin	字符串	来源类型，如 npm、pypi、crate、domain、page、repo、skill、mcp、contributor
identifier	字符串	来源内的标识符（例如 express、example.com）
version	字符串	版本或引用（可选）
score	整数	0–100 的安全评分，分数越高越安全
confidence	字符串	置信度：low、medium 或 high
verdict	字符串	判定结果：safe、caution、suspicious 或 malicious
sub_scores	对象	四个维度的细分评分（见下文）
threats	数组	检测到的威胁信号，包含类型和描述（若无则省略）
scanned_at	字符串	扫描执行时间的 ISO 8601 时间戳

细分评分维度

维度	描述
identity	发布者声誉、域名年龄、所有权信号
behavior	运行时行为、网络调用、安装脚本
content	源代码、提示内容、指令分析
graph	依赖关系图、传递性风险、维护者重叠

数据覆盖范围

来源	评分对象	检测的威胁
npm / pypi / crate	开源软件包	安装时攻击、凭据窃取、域名抢注
domain / page	网站和网页	提示注入、网络钓鱼、伪装、通过隐藏内容进行数据窃取
repo	GitHub 仓库	代理配置注入、恶意提交、被破坏的依赖项
skill	代理技能	描述注入、输出污染、指令覆盖
mcp	MCP 服务器	工具影子、模式滥用、静默能力升级
contributor	GitHub 贡献者	冒充、域名抢注、可疑提交模式

数据格式与组织

• 格式：数据以 JSONL（换行符分隔的 JSON）格式存储，每行一条记录。
• 组织：文件按来源组织在 data/ 目录下，包含 npm.jsonl、pypi.jsonl、crate.jsonl、domain.jsonl、page.jsonl、repo.jsonl、skill.jsonl、mcp.jsonl、contributor.jsonl。

许可证

MIT 许可证

相关资源

• 文档：https://brin.sh/docs
• CLI 工具：https://github.com/superagent-ai/brin-cli
• Cursor 插件：位于本仓库的 plugins/cursor 目录中

搜集汇总

数据集介绍

构建方式

在人工智能安全领域，确保智能体所处理上下文的可靠性至关重要。Brin数据集通过其自动化扫描管道构建而成，该管道对多种来源的实体进行安全评估，包括开源软件包、网页、代码仓库及AI技能等。扫描过程系统性地收集每个实体的安全评分、置信度及威胁信号，并将结果以结构化记录形式保存，形成覆盖广泛威胁类型的综合性安全数据集。

特点

Brin数据集的核心特征在于其多维度的安全评估体系。每条记录不仅提供从0到100的总体安全评分及定性裁决，还通过身份、行为、内容和依赖图四个子维度进行细粒度剖析。数据集涵盖npm、PyPI、Crate等九类来源，能够检测恶意软件、提示注入、网络钓鱼及供应链攻击等多种威胁，并以JSONL格式组织，确保了数据的可流式处理与高效解析。

使用方法

研究人员和安全工程师可利用Brin数据集进行威胁情报分析、红队测试及模型训练。数据集按来源分文件存储，用户可通过解析JSONL格式逐行读取记录，无需一次性加载全部数据。每条记录包含的评分、子维度得分及威胁描述，为构建或评估AI智能体的安全过滤机制、开发风险检测模型提供了详实的实证基础。

背景与挑战

背景概述

在人工智能代理（AI Agents）日益普及的背景下，其安全性高度依赖于所处理上下文的可靠性。Brin数据集由Superagent公司创建，并得到Y Combinator的支持，旨在为AI代理提供上下文安全评分。该数据集通过系统化扫描开源威胁记录，评估包括npm、PyPI、Crate等软件包，以及域名、仓库、技能和MCP服务器等多种来源的安全性。其核心研究问题聚焦于检测恶意软件、提示注入、网络钓鱼和供应链攻击等多元威胁，从而增强AI代理在复杂环境中的鲁棒性与信任度。Brin的推出标志着AI安全领域从传统防御向主动风险评估的范式转变，为研究社区和产业界提供了宝贵的基准资源。

当前挑战

Brin数据集致力于解决AI代理上下文安全评估这一新兴领域的核心挑战，即如何准确量化异构数据源中的潜在风险。具体挑战包括：在领域问题层面，需应对威胁形态的快速演化，如提示注入和供应链攻击的隐蔽性，以及跨不同来源（如代码仓库与网页内容）的统一评分标准制定。在构建过程中，数据集面临数据采集的规模与时效性平衡、多维度评分（身份、行为、内容、图谱）的权重校准，以及确保扫描结果置信度评估的客观性等难题。这些挑战共同指向了构建动态、可解释安全评分体系的复杂性。

常用场景

经典使用场景

在人工智能代理安全领域，brin数据集为评估上下文输入的安全性提供了基准。该数据集通过扫描开源威胁记录，广泛应用于代理系统在行动前对上下文内容进行安全评分，典型场景包括检测npm、PyPI等软件包中的恶意代码、网页中的钓鱼攻击，以及GitHub仓库中的配置注入风险。研究人员和开发者利用这些评分数据，构建自动化安全检测流程，确保代理仅消费可信的上下文，从而提升整体系统的鲁棒性。

解决学术问题

brin数据集针对人工智能代理安全中的关键挑战，解决了上下文可信度量化这一核心学术问题。传统方法往往缺乏系统性的威胁评估框架，而该数据集通过多维评分体系（如身份、行为、内容和图分析），为检测恶意软件、提示注入和供应链攻击提供了标准化数据基础。其意义在于推动了代理安全领域的实证研究，使学者能够基于真实威胁信号开发更精准的检测模型，降低了代理系统因上下文污染而导致的安全风险。

衍生相关工作

围绕brin数据集，衍生出多项经典研究工作，主要集中在代理安全增强和威胁检测算法优化。例如，基于其多维子评分数据，研究者开发了图神经网络模型以分析依赖图中的传播风险；另有工作结合行为评分特征，构建了动态运行时监控系统。这些成果不仅扩展了数据集的学术价值，还推动了开源生态安全工具的演进，如自动化红队测试框架和轻量级代理防护插件的开发。