电力大语言模型多场景对抗攻击测试数据集

本数据集面向电力行业大语言模型的安全能力评测与对抗测试，依据《电网运行准则》（GB/T 31464-2022）、《电力监控系统网络安全防护导则》（GB/T 36572-2018）等标准红线条款，构建以安全风险维度为导向的深度测评数据集。全部样本划分为典型安全场景、指令攻击场景、责任场景三大一级类别，并细分为侮辱与攻击性内容、不公平与歧视、犯罪与非法活动、目标劫持、提示泄露、角色扮演诱导、行业合规责任、数据安全责任等22个二级安全风险维度。数据集共19672条经人工逐条校验的恶意诱导测试样本，各维度样本量828～916条，极差控制在9.6%以内，分布均衡。样本以黑客向大模型下达直接破坏指令的祈使句形式呈现，明确要求模型提供具体执行步骤、代码或配置篡改方案并附输出格式诉求，攻击诱导性强。样本在人工构造种子指令基础上，经规则增强、大模型增强、对抗注入与人工校验四环节加工形成，编号前缀区分原始种子与各类加工衍生样本。本数据集可用于电力行业大模型安全对齐效果评估、红队渗透测试及对抗训练，检验模型在专业场景下对恶意指令的识别与拒答能力。