Vanessasml/cybersecurity_32k_instruction_input_output

该数据集包括公开报告和新闻的混合内容，旨在用于网络安全风险模型的训练。它包含32k个示例，每个示例包括指令、输入和输出。输出由GPT生成。数据集经过清理和处理，适合用于LLamma提示格式。

原始信息汇总

数据集概述

数据集描述

该数据集包含公共报告和新闻，旨在用于网络安全风险模型训练。数据集包含32,000个示例，每个示例包括指令、输入和输出。输出由GPT生成。

• 制作人： Vanessa Lopes
• 语言： 英语

数据集来源

• ds=1 行包含由人工整理的IT风险公共报告。
• ds=2 行包含由GPT4整理的公共报告和新闻，重点关注与EBA指南相关的网络安全风险问题。
• ds=3 行包含由GPT4整理的公共报告和新闻，重点关注与NIST分类法相关的问题。
• ds=4 行包含来自Casie: CyberAttack Sensing and Information Extraction数据集的新闻，重点关注网络安全威胁的识别。

其他新闻数据集是从ENISA网站上抓取并上传的。

使用的报告数据集包括：

• Cisco 2021 Cybersecurity Threat Trends Report.pdf
• FS-ISAC 2022 Navigating Cyber Report.pdf
• FS-ISAC 2023 Evolution of DDoS Report.pdf
• FS-ISAC 2023 PreparingForAPostQuantumWorldByManagingCryptographicRisk.pdf
• Google 2023 Threat Horizons Report.pdf
• IBM Security 2023 X-Force Threat Intelligence Index.pdf
• Imperva 2022 API Threat Report.pdf
• Mandiant 2023 Global Perspectives on Threat Intelligence Report.pdf
• Mandiant 2023 M-Trends Report.pdf
• Microsoft 2022 Digital Defense Report Executive Summary.pdf
• Microsoft 2022 Digital Defense Report.pdf
• Palo Alto 2023 State of Cloud Native Security Report.pdf
• TrendMicro 2023 Annual Cybersecurity Report.pdf
• Verizon 2022 Data Breach Investigation Report.pdf
• World Economic Forum 2023 Global Cybersecurity Report.pdf
• ABN_AMRO_____Integrated_Annual_Report_2021.pdf
• IT-Security-Situation-in-Germany-2020.pdf
• IT-Security-Situation-in-Germany-2021.pdf
• IT-Security-Situation-in-Germany-2022.pdf

数据收集和处理

数据集的清洗和处理过程可在相关笔记本中找到。

推荐

该数据集是为适应LLamma提示格式而整理的。如果您打算将其用于其他模型，请考虑这一点。

致谢

感谢Casie项目与社区分享1,000篇新闻文章。