全球互联网亿级开源数据源站点列表数据集

本数据集面向复杂网络条件下互联网开源数据高效稳定获取与科技情报源发现需求，由项目数据采集系统在2023年5月至2026年5月期间通过链接泛化机制，从可公开访问且具有独立合规域名的互联网站点中采集、去重并结构化形成。数据以独立域名为站点粒度，主要包含唯一标识、网站名称和站点链接等字段；现有数据集实体文件由2000余个JSON文件构成，共2亿余条记录，实际存储量约37.88GB，可用于开源站点发现、采集覆盖评估和情报源管理。