该数据集包含多个配置，主要涉及Java和Python编程语言的代码文件。每个配置包含文件名、文件路径、文件内容、文件大小、语言、扩展名、仓库名称、仓库星标数、仓库分叉数、仓库开放问题数、仓库创建时间和最后推送时间等特征字段。某些配置还包含去重相关的字段（如sha、near_dups_stkv2_idx等）。数据集的主要用途可能是用于代码分析、去重、相似性检测等任务。

Hugging Face2024-07-02 更新360

网络钓鱼网站检测数据集

网络钓鱼检测

网络安全防护

网络钓鱼网站检测数据集数据来源：互联网公开数据标签：网络钓鱼,网站检测,网络安全,数据科学,机器学习,算法开发,攻击检测数据概述：本数据集是一个精心整理的网络钓鱼网站检测数据集，汇集了大量的真实钓鱼网站和正常网站的样本，旨在为研究人员、数据科学家和网络安全专业人士提供一个强大的工具，用于开发和改进网络钓鱼攻击的检测模型和算法。数据用途概述：该数据集适用于网络钓鱼检测模型的开发与评估、网

海数据130

CASOS/IDeaS Labeled Trolling Dataset

网络钓鱼检测

媒体内容审核

A dataset of tweets (N = 4,917) labeled as trolling or not based on the consensus of three manual annotators.

NIAID Data Ecosystem80

Razvan27/agents_diff

版本控制

Git

该数据集包含了多个配置，每个配置都列出了数据集的特征、数据集的划分以及数据集的大小信息。数据集的特征包括各种数据类型，如字符串、整数、布尔值等，以及嵌套结构。数据集的划分包括了训练集的示例数量和字节数。数据集的大小包括了下载大小和实际数据集大小。

Hugging Face2025-10-13 更新140

Most used brand identity in global phishing attacks on online shoppers 2023