zefang-liu/cve-and-cwe-mapping-dataset

该Hugging Face数据集是Kaggle上CVE and CWE mapping Dataset (2021)的部分副本，包含Global_Dataset.csv文件，原始文件为Global_Dataset.xlsx。数据集由Kirushikesh DB创建，并遵循CC BY-NC-SA 4.0许可证。数据集包含截至2021年的CVE数据，用于网络安全研究。

原始信息汇总

CVE and CWE Mapping Dataset

概述

• 数据集名称: CVE and CWE Mapping Dataset
• 来源: 该数据集是Kaggle上的CVE and CWE mapping Dataset (2021)的部分副本，原始文件为Global_Dataset.xlsx，现为Global_Dataset.csv。
• 创建者: Kirushikesh DB
• 许可协议: CC BY-NC-SA 4.0
• 数据内容: 包含截至2021年的CVE数据，用于网络安全研究。

详细信息

• 任务类别: 文本分类
• 语言: 英语
• 数据规模: 100K<n<1M

相关链接

• 原始Kaggle页面: CVE and CWE Mapping Dataset
• CVE使用条款: CVE Terms of Use
• NVD使用条款: NVD Terms of Use

搜集汇总

数据集介绍

构建方式

在网络安全研究领域，数据集的构建往往依赖于权威漏洞数据库的整合。本数据集源自Kaggle平台的“CVE and CWE mapping Dataset (2021)”，由Kirushikesh DB创建，采用CC BY-NC-SA 4.0许可协议共享。其核心构建方式是将原始的Excel格式文件“Global_Dataset.xlsx”转换为CSV格式，并保留了截至2021年的通用漏洞披露（CVE）数据，同时映射了通用弱点枚举（CWE）标识，形成结构化文本分类资源。这一过程确保了数据的可访问性和一致性，为后续分析提供了基础。

特点

该数据集在网络安全分析中展现出显著特点。其规模属于中等偏大范畴，包含超过10万条记录，涵盖丰富的英文文本信息，专门针对文本分类任务设计。数据集整合了CVE与CWE之间的映射关系，使得研究人员能够系统关联漏洞实例与底层弱点类型，从而深化对安全威胁模式的理解。数据时间跨度截至2021年，反映了历史漏洞趋势，为纵向研究提供了可靠素材。

使用方法

使用本数据集时，研究者应遵循科学数据处理规范。数据集适用于文本分类模型的训练与评估，例如通过自然语言处理技术自动识别漏洞类别或弱点关联。用户可直接从Hugging Face平台加载数据，利用其结构化字段进行统计分析或机器学习实验。同时，必须严格遵守原始许可条款，包括CC BY-NC-SA 4.0协议，并参考CVE和NVD的使用条款，确保合规性。建议结合最新安全数据以补充时效性，提升研究应用的广度与深度。

背景与挑战

背景概述

在网络安全领域，漏洞管理是保障信息系统安全的核心环节，其中通用漏洞披露（CVE）和通用弱点枚举（CWE）作为标准化框架，为漏洞识别与分类提供了关键支撑。zefang-liu/cve-and-cwe-mapping-dataset数据集于2021年由研究人员Kirushikesh DB创建并发布于Kaggle平台，后经复制至HuggingFace社区，旨在通过结构化映射关系，促进CVE条目与CWE弱点类型之间的关联分析。该数据集整合了截至2021年的全球漏洞数据，为安全研究者提供了系统化的资源，以深入探究漏洞模式、评估风险趋势，并推动自动化安全工具的发展，对提升网络安全防御能力具有显著影响力。

当前挑战

该数据集致力于解决网络安全中漏洞分类与映射的复杂问题，其核心挑战在于如何准确关联海量CVE漏洞描述与CWE弱点框架，以克服自然语言描述的歧义性和标准化差异。在构建过程中，挑战主要源于数据源的异构性：原始CVE数据来自多方披露，格式不一，且需与CWE体系进行手动或半自动对齐，这可能导致映射不一致或遗漏。此外，数据更新滞后性也是一大难题，由于漏洞信息持续动态增长，数据集仅覆盖至2021年，难以反映最新威胁态势，限制了其在实时安全分析中的应用价值。

常用场景

经典使用场景

在网络安全领域，漏洞管理是保障信息系统安全的核心环节。CVE和CWE映射数据集通过系统化关联通用漏洞披露（CVE）条目与通用弱点枚举（CWE）分类，为研究人员提供了结构化分析漏洞特征的基础。该数据集常用于训练机器学习模型，以自动识别漏洞模式、预测潜在威胁，并辅助构建智能化的漏洞评估系统，从而提升安全防御的自动化水平。

实际应用

在实际应用中，该数据集被广泛集成于企业安全运营中心（SOC）和漏洞扫描工具中。安全团队利用其映射关系，快速定位漏洞对应的弱点类型，制定针对性修补策略，缩短应急响应时间。同时，它也为政府机构和行业组织提供了标准化漏洞报告框架，助力全球网络安全态势感知与协同防御。

衍生相关工作

基于该数据集，衍生出多项经典研究工作，例如基于深度学习的漏洞严重性预测模型、自动化CWE分类器，以及漏洞知识图谱构建项目。这些工作不仅扩展了数据集的学术价值，还催生了开源安全工具和商业解决方案，如智能漏洞管理平台和威胁情报系统，持续影响着网络安全实践与创新。