面向数据安全管理的文本数据集文件级指纹索引与属性元信息数据集

该数据集主要面向数据完整性检测、数据访问控制以及数据指纹检索等研究需求建设。该数据集基于开源的 Enron Email Dataset 文本数据，通过自动化程序对原始邮件文本文件进行遍历处理与内容特征提取生成。数据采集与处理工作于中国科学技术大学高新校区完成，采用文件级文本指纹提取方法对每个文本文件计算唯一指纹标识，并将文件名称、文件路径、文件数量以及对应的指纹值等属性信息进行统一整理。最终以 JSON 格式构建结构化的数据指纹索引文件，每个 JSON 文件对应一组文本文件的指纹索引信息。数据集主要记录文本文件的属性元信息及文件名与指纹值之间的映射关系，数据量为10.4MB。