EddieChen372/python_vul_cvefix_small

数据集python_vul_cvefix_small主要包含与Python代码漏洞修复相关的数据。数据集的特征包括标签、修复前的代码、修复后的代码、标签文本、删除的代码、添加的代码、规范化后的修复前代码、规范化后的修复后代码、修复前文档字符串位置和修复后文档字符串位置。数据集分为训练集和测试集，分别包含160和41个样本。The dataset python_vul_cvefix_small primarily comprises data associated with Python code vulnerability fixes. Its features include labels, pre-fix source code, post-fix source code, label text, deleted code segments, added code segments, normalized pre-fix source code, normalized post-fix source code, pre-fix docstring position, and post-fix docstring position. The dataset is partitioned into training and test subsets, containing 160 and 41 samples respectively.

原始信息汇总

数据集概述

数据集名称

• python_vul_cvefix_small

数据集特征

• label: 类别标签，包含以下类别：
  • 0: CWE-22
  • 1: CWE-79
  • 2: CWE-601
• code_before: 修改前的代码，数据类型为字符串。
• code_after: 修改后的代码，数据类型为字符串。
• label_text: 标签文本，数据类型为字符串。
• deleted: 删除的代码，包含以下结构：
  • code: 删除的代码片段，数据类型为字符串序列。
  • line_no: 删除的代码行号，数据类型为整数序列。
• added: 添加的代码，包含以下结构：
  • code: 添加的代码片段，数据类型为字符串序列。
  • line_no: 添加的代码行号，数据类型为整数序列。
• normalized_code_before: 修改前的标准化代码，数据类型为字符串。
• normalized_code_after: 修改后的标准化代码，数据类型为字符串。
• before_doc_string_pos: 修改前文档字符串位置，数据类型为整数序列。
• after_doc_string_pos: 修改后文档字符串位置，数据类型为整数序列。

数据集分割

• train: 训练集，包含160个样本，总字节数为10903264.596273292。
• test: 测试集，包含41个样本，总字节数为3609181.0。

数据集大小

• 下载大小: 5041260字节
• 数据集总大小: 14512445.596273292字节