dad1909/DCSV

该数据集涉及软件漏洞，特别是Harbor扫描日志API中的SQL注入漏洞。数据集包含与漏洞相关的CVE编号、数据利用方式以及输出数据的返回信息。该数据集涉及软件漏洞，特别是Harbor扫描日志API中的SQL注入漏洞。数据集包含与漏洞相关的CVE编号、数据利用方式以及输出数据的返回信息。

原始信息汇总

数据集概述

数据集名称

• 名称: dataset sofware vulnerable

许可证

• 许可证: MIT

关键信息

• GitHub: SQL Injection in Harbor scan log API
• Exploit-DB: 52041

定义与描述

• 定义: 开始于什么是
• CVE: 开始于学习
• 数据利用: 开始于代码的脆弱性是什么？
• 输出: 数据返回

日期

• 日期: 2024年3月6日

搜集汇总

数据集介绍

构建方式

该数据集名为DCSV，聚焦于软件漏洞领域，特别是与Harbor扫描日志API中的SQL注入漏洞相关。数据集构建基于公开的安全公告和漏洞利用数据库，如GitHub Advisory（GHSA-m445-w3xr-vp2f）和Exploit-DB（编号52061）。数据收集从漏洞定义出发，逐步深入至CVE学习过程，并提取代码漏洞的具体表现形式。数据输出以返回结构化信息为主，涵盖漏洞描述、利用方式及时间戳（2024年2月8日），形成系统化的漏洞知识库。

特点

DCSV数据集的特点在于其针对性与实用性，专注于SQL注入这一典型安全威胁，并以Harbor扫描日志API为具体场景。数据来源权威，融合了GitHub安全公告和Exploit-DB的实战案例，确保了漏洞信息的准确性和时效性。数据集不仅包含漏洞定义，还延伸至CVE学习路径和代码漏洞分析，为安全研究和漏洞复现提供了多维度视角。其简洁的数据结构便于快速检索和集成，适用于安全测试和防御策略开发。

使用方法

使用DCSV数据集时，用户可直接加载其结构化数据，用于安全漏洞的模拟训练或防御机制验证。通过解析数据中的漏洞定义、CVE信息和利用代码示例，研究人员可以复现SQL注入攻击流程，评估Harbor日志API的安全性。数据集还支持与其他安全工具集成，例如结合漏洞扫描器进行自动化测试，或作为机器学习模型的训练材料，以提升对类似漏洞的检测能力。建议用户优先关注日期字段（2024年2月8日），以确认数据集的更新状态和适用性。

背景与挑战

背景概述

在软件安全领域，漏洞数据集的构建对于推动自动化漏洞检测与修复技术的研究至关重要。dad1909/DCSV数据集由研究人员于2024年2月创建，聚焦于软件漏洞实例的收集与标注，其核心研究问题在于如何系统化地整理真实世界中的安全缺陷，以支持基于机器学习的漏洞分析模型。该数据集以Harbor扫描日志API中的SQL注入漏洞（GHSA-m445-w3xr-vp2f）为典型案例，整合了来自exploit-db等公开漏洞库的代码片段与CVE信息，旨在为漏洞模式识别与防御机制评估提供标准化基准。其影响力体现在为学术界与工业界搭建了一座从原始漏洞数据到可复用训练集的桥梁，填补了细粒度漏洞实例数据稀缺的空白。

当前挑战

该数据集面临的核心挑战包括：首先，所解决的领域问题在于如何从异构的漏洞描述与代码中提炼出统一且可泛化的特征表示，以应对SQL注入等常见漏洞类型的变种攻击，这要求数据集具备足够的多样性与标签精度。其次，构建过程中遭遇的困难在于数据源的碎片化与不完整性，例如从GitHub安全公告和exploit-db提取的漏洞信息格式不一，且部分代码片段缺乏上下文注释，导致人工标注成本高昂且易引入偏差。此外，时间跨度有限的样本（截至2024年2月）可能无法覆盖最新漏洞模式，从而限制了模型在动态威胁环境下的鲁棒性。

常用场景

经典使用场景

在软件安全领域，DCSV数据集被广泛用于源代码漏洞检测与分类任务，尤其聚焦于SQL注入等常见Web安全威胁。研究者通常利用该数据集训练基于深度学习的漏洞识别模型，通过分析代码片段中的语义与语法模式，自动标注潜在风险点。其经典使用场景包括构建监督学习框架下的二分类器（安全/脆弱）或多标签分类系统，以精准定位特定CVE对应的脆弱代码行。

解决学术问题

该数据集有效解决了学术研究中高质量标注漏洞样本稀缺的问题，为自动化漏洞挖掘提供了标准化的基准测试平台。它填补了传统安全数据集在细粒度代码级标注与多源漏洞类型覆盖上的不足，推动了从规则匹配到神经网络的范式转变。相关研究已证实，基于DCSV训练的模型在跨项目漏洞迁移检测中表现出显著泛化能力，加速了静态分析技术的智能化演进。

衍生相关工作

基于DCSV数据集，衍生出多项经典工作，包括利用图神经网络建模代码依赖关系的漏洞传播路径推理、融合多模态特征（如代码结构与注释）的脆弱性预测模型，以及面向零日漏洞的对抗性样本生成方法。其中，结合Transformer架构的漏洞分类器在多个公开基准上刷新了检测准确率，而基于该数据集的对比学习框架则推动了少样本漏洞发现的前沿探索。