Vanessasml/cyber-reports-news-analysis-llama2-3k

该数据集包含公开报告和新闻的混合数据，旨在用于网络风险模型训练。数据集通过GPT4进行整理，包含一列串联的系统提示、指令、输入和GPT输出的数据。数据来源包括Casie项目和ENISA网站的新闻，以及多份网络安全报告。数据集特别关注网络威胁的识别和NIST分类法下的文本分类。数据集整理时考虑了LLama提示格式，建议在使用其他模型时注意这一点。

原始信息汇总

数据集卡片

该数据集包含公共报告和新闻的混合内容，旨在用于网络风险模型训练。数据集的生成格式参考了这篇文章。数据集的问答主要集中在网络威胁的识别和NIST分类法以及ITC EBA网络风险类别下的文本分类。

数据集详情

数据集描述

该数据集通过使用GPT4的数据整理流程进行整理。它包含一个列的Series，该列连接了系统提示、指令、输入和输出。后者是GPT的输出。

• 整理者： [Vanessa Lopes]
• 语言： [EN]

数据集来源

新闻来自Casie: CyberAttack Sensing and Information Extraction。

其他使用的新闻是从ENISA网站上网络爬取并上传到这里。

使用的报告包括：

• 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

该数据集的清洗和处理过程可以在该笔记本中找到。

建议

该数据集是为了适应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1000篇新闻文章。