Isamu136/penetration_testing_scraped_dataset

---
dataset_info:
features:
- name: text
dtype: string
- name: embedding
sequence: float32
- name: tokens
sequence: int64
- name: database
dtype: string
- name: file
dtype: string
- name: chunk
dtype: int64
splits:
- name: train
num_bytes: 1005293572
num_examples: 107542
download_size: 663206603
dataset_size: 1005293572
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "penetration_testing_scraped_dataset"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

• 特征列表:
  • text: 数据类型为字符串。
  • embedding: 数据类型为浮点数序列。
  • tokens: 数据类型为整数序列。
  • database: 数据类型为字符串。
  • file: 数据类型为字符串。
  • chunk: 数据类型为整数。

数据分割

• 训练集:
  • 名称: train
  • 字节数: 1005293572
  • 样本数: 107542

数据集大小

• 下载大小: 663206603
• 数据集大小: 1005293572

配置

• 默认配置:
  • 数据文件:
    • 分割: train
    • 路径: data/train-*

搜集汇总

背景与挑战

背景概述

该数据集是一个专门针对渗透测试技术的爬取文本数据集，包含约10.8万行数据，总大小为663 MB，格式为parquet。数据内容涵盖渗透测试方法、工具配置和安全实践，适用于安全研究、AI模型训练或微调，如已用于训练axs2k/anubis模型。