Wuluyu/Cybersecurity-Dataset-Fenrir-v2.1_Safeone

这是一个用于防御性、对齐安全的网络安全监督微调训练的即用型数据集，包含99,870个高质量的系统/用户/助手三元组。数据集采用Apache-2.0许可，适用于生产环境。覆盖范围包括：OWASP Top 10、MITRE ATT&CK、NIST CSF、CIS Controls、ASD Essential 8、现代身份验证（OAuth 2/OIDC/SAML）、SSL/TLS、云与DevSecOps、密码学以及AI安全。数据格式为JSONL，包含system、user、assistant三列，全部为训练集。数据集强调安全设计，内置拒绝模式和对恶意请求的对齐检查，内容映射到行业标准（如OWASP/ATT&CK/NIST/CIS），并专注于云与DevSecOps领域（如IAM、密钥管理、CI/CD、容器/Kubernetes加固、日志/SIEM、事件响应）。

A ready-to-train dataset of 99,870 high-quality system/user/assistant triples for defensive, alignment-safe cybersecurity supervised fine-tuning (SFT) training. It is Apache-2.0 licensed and production-ready. Scope covers: OWASP Top 10, MITRE ATT&CK, NIST CSF, CIS Controls, ASD Essential 8, modern authentication (OAuth 2/OIDC/SAML), SSL/TLS, Cloud & DevSecOps, Cryptography, and AI Security. The format is JSONL with columns system, user, and assistant, and includes only a train split. The dataset is safe-by-design with built-in rejection patterns and alignment checks against malicious requests, framework-aware with content mapped to standards (e.g., OWASP/ATT&CK/NIST/CIS), and cloud & DevSecOps-first (e.g., IAM, secrets, CI/CD, container/Kubernetes hardening, logging/SIEM, incident response).

搜集汇总

数据集介绍

构建方式

该数据集源自对超过45万份公开技术文档（涵盖标准、RFC、白皮书及厂商指南）的系统性采集与精炼。构建流程历经多阶段处理：首先通过去模板化、语言检测与启发式段落分割实现内容抽取；随后借助关键词与嵌入向量检索，精准筛选出仅涉及防御性安全的语料；在此基础上进行指令合成，生成规范化的system/user/assistant三元组，并强制植入伦理准则与拒绝模板。为确保数据质量，采用了多层质量门控机制，包括MinHash与LSH聚类的去重、PII与不当内容清洗、基于大语言模型的幻觉与不一致性扫描、针对越狱与提示注入的拒绝模式测试，以及约3%样本的人工抽检复核。

特点

该数据集以防御性安全为核心导向，全面覆盖OWASP Top 10、MITRE ATT&CK、NIST CSF、CIS Controls等主流安全框架，并深入延展至云安全（AWS/Azure/GCP）、现代认证协议（OAuth2/OIDC/SAML）、DevSecOps、密码学规范及AI安全交互等前沿领域。其99,870条高质量对话样本均达到资深安全工程师水准，内含内建的拒绝模式与对齐检查，能够有效抵御恶意或利用型请求。数据集还具备框架映射特性，每条内容均标注其对应的安全标准，便于针对性微调与评估。

使用方法

该数据集以JSONL格式提供，包含system、user、assistant三个字段，完整覆盖100%训练集，共99,870条记录。用户可直接将其作为对话式监督微调（SFT）的输入数据，适用于基于Transformer的文本生成模型训练。数据加载后，可按照标准的指令微调流程，将system字段作为系统提示词，user字段作为用户指令，assistant字段作为期望输出，构建训练样本对。建议在使用前进行数据格式校验与一致性检查，并可结合Apache-2.0许可协议进行商业或研究用途的模型微调与部署。

背景与挑战

背景概述

在人工智能与网络安全的交叉领域，指令微调数据集是构建能够理解并遵循安全防护指令的对话代理的关键基石。Fenrir v2.1（也称为Cybersecurity-Dataset-Fenrir-v2.1_Safeone）由Alican Kiraz于2026年4月创建，是一个专注于防御性网络安全指令微调的高质量数据集。该数据集旨在解决大型语言模型在网络防御场景中缺乏领域特定、对齐安全且符合伦理的训练样本这一核心问题。通过整合OWASP Top 10、MITRE ATT&CK和NIST CSF等国际主流安全框架，该数据集为训练能进行专业安全分析、提供缓解策略并拒绝恶意请求的AI模型奠定了坚实的数据基础，对推动网络安全领域专用LLM的发展具有显著影响力。

当前挑战

该数据集所应对的领域问题核心是：通用大型语言模型在处理网络安全任务时，往往因缺乏防御性安全知识而产生错误或有害的建议，甚至被利用于攻击构建。其构建过程中面临多重挑战：首先，需要从海量（45万+）且异构的技术文档中安全地提取和筛选仅面向防御性安全的知识，同时需避免引入攻击性内容。其次，构建99,870条高质量系统/用户/助手三元组，并确保每条回复达到高级安全工程师水平，这要求在数据合成阶段实施严格的伦理约束和拒绝模式。最后，必须通过去重、PII清洗、幻觉检测以及对抗性拒绝测试（如越狱和提示注入）等多层质量关卡，以保障模型在真实部署中的安全性与可靠性，这构成了数据集创建的核心技术挑战。

常用场景

经典使用场景

在网络安全领域，该数据集最经典的用途是针对防御性安全指令微调大语言模型。它提供了近十万条精心构建的system/user/assistant三元组，覆盖OWASP Top 10、MITRE ATT&CK等主流安全框架。研究者和从业者可基于此数据集微调开源模型，使其具备资深安全工程师级别的知识储备，能够生成合规且精准的安全建议，例如Web应用防护、云安全配置加固、身份认证策略优化等。这一用法极大降低了从零构建安全领域对话数据集的成本，为安全大模型的研发提供了标准化训练资源。

实际应用

在实际产业环境中，该数据集可用于训练企业级安全助手、自动化安全运维工具和DevSecOps流水线中的智能引擎。例如，安全团队可部署基于该数据集微调的模型，实时解答OWASP缺陷检测结果、生成云平台IAM最小权限策略、自动化编写Kubernetes集群加固清单，或在SOC平台中辅助事件响应分析与处置。其Apache-2.0许可和高质量格式使得中小型企业也能低成本构建内部安全知识系统，提升整体防御效率。

衍生相关工作

基于该数据集，衍生出了一系列网络安全大模型评估基准与对齐优化策略。例如，研究者以此为基础构建了安全领域版本的人类反馈强化学习流程，开发能够区分安全知识问答与恶意代码生成的分类器。此外，该数据集催生了针对云安全、AI安全交互等子领域的专门微调方案，并启发了多标准安全框架映射的自动化评测体系。相关工作进一步验证了结构化指令数据集在缩小通用模型与领域专家之间信心差距方面的关键作用。