omnimcp_cyber_zeroday_quarantine_teaser

OmniMCP - Cyber Zeroday Quarantine (Free Teaser Edition) 是一个面向网络安全零日隔离场景的免费评估级多轮智能体函数调用数据集。该数据集是 OmniMCP 模块化生态系统中的砖级产品，专为训练和评估能够执行网络隔离、日志分析、IAM 凭证撤销等安全操作的 AI 代理模型而设计。数据集包含少于1000个样本，每个样本由 instruction（指令）、thought_process（思考过程）和 final_output（最终输出）三部分组成，以 Parquet 格式存储。其核心特点包括：经 Pydantic AST 严格验证确保零语法错误；内置链式推理步骤，在每次工具调用前提供诊断逻辑；模拟真实生产环境中的 API 故障和恢复过程；完全不含个人数据，符合 GDPR 和 EU AI Act 要求。该数据集适用于微调用于函数调用、工具使用和多轮对话的代理模型，特别是网络安全领域的自主防御系统。OmniMCP - Cyber Zeroday Quarantine (Free Teaser Edition) is a free evaluation-level multi-turn agent function-calling dataset for cyber zeroday quarantine scenarios. It is a brick-level product in the OmniMCP modular ecosystem, designed for training and evaluating AI agent models capable of performing security operations such as network isolation, log analysis, and IAM credential revocation. The dataset contains fewer than 1000 samples, each consisting of instruction, thought_process, and final_output, stored in Parquet format. Key features include: zero syntax errors ensured by Pydantic AST strict validation; built-in chain-of-thought reasoning with diagnostic logic before each tool call; simulation of real production API failures and recovery processes; completely free of personal data, compliant with GDPR and EU AI Act. It is suitable for fine-tuning agent models for function calling, tool usage, and multi-turn dialogue, especially for autonomous defense systems in cybersecurity.

原始信息汇总

OmniMCP: Cyber Zeroday Quarantine (Free Teaser Edition) 数据集详情

基本信息

• 数据集名称: OmniMCP - Cyber Zeroday Quarantine (Free Teaser Edition)
• 语言: 英语 (en)
• 许可证: Apache 2.0
• 数据集规模: n<1K（少于1000条样本）
• 标签: cyber_zeroday_quarantine、synthetic-data、function-calling、tool-use、fine-tuning、agentic-ai、multi-turn、unsloth、axolotl、ollama

数据集内容概述

这是一个经过验证的多轮智能体函数调用（Multi-Turn Agent Function-Calling）数据集，聚焦于**网络零日攻击隔离（Cyber Zeroday Quarantine）**场景，属于免费评测预览版（Free Evaluation Teaser）。数据集为合成数据（synthetic-data），旨在支持模型微调、工具使用与智能体行为训练。

技术特性（USPs）

• 0.0% 语法与解析错误: 100% 通过Pydantic AST严格OpenAPI schema验证
• 原生思维链推理: 每次工具调用前均包含逐步诊断逻辑的 <thought> 块
• 生产级自愈能力: 基于真实API故障、连接池超时与错误恢复场景训练
• 100% GDPR/DSGVO合规: 零个人数据（使用RFC 2606 @example.com、RFC 5737文档化IP）
• EU AI Act & EULA就绪: 包含官方第50条与第53条合成数据来源声明

层级架构背景

该Teaser属于OmniMCP模块化AI企业层级体系中的一部分，该体系分为四个层级：

层级	名称	价格区间	定位
🧱 Level 1	Brick	29€ – 99€	单一问题解决器，面向独立开发者
🏢 Level 2	House	79€ – 149€	完整部门工程套件
🏘️ Level 3	Village	99€ – 599€	交钥匙行业解决方案（3-4个House组合）
🏙️ Level 4	Master Metropolis	299€ – 599€	统一企业级平台（500+多轮场景）

本Teaser对应的完整商业产品为Autonomous CyberDefense SOC Village（249€，含DDoS、Token撤销、零日隔离）及CyberDefense Zero-Day Isolation Brick（99€）。

加载方式

数据以Parquet格式提供，可通过Python快速加载：

python import pandas as pd

df = pd.read_parquet("omnimcp_cyber_zeroday_quarantine_teaser.parquet") print(f"Loaded {len(df)} verified training turns!") print(df[["instruction", "thought_process", "final_output"]].head())

数据包含 instruction、thought_process、final_output 等字段。

许可证与商业权利

• 本Teaser: 采用 Apache 2.0 许可证，可免费用于研究与评估
• 完整生产包与Village: 受 OmniMCP Enterprise Commercial EULA 保护，拥有完整商业变现与模型部署权

搜集汇总

数据集介绍

构建方式

在网络安全攻防与AI智能体交叉领域，高质量的函数调用数据集稀缺。该数据集通过模拟真实企业安全运营中心（SOC）的零日攻击响应流程，采用多轮对话形式构建。每条样本围绕零日隔离、令牌吊销、DDoS缓解等典型任务，由领域专家设计指令与工具调用序列，并注入链式思维推理过程。底层利用Pydantic与OpenAPI模式对函数调用进行AST语法验证，确保参数与返回结构的规范性。数据经过匿名化处理，使用保留域名与文档IP地址，符合隐私合规要求，最终形成精简的Parquet格式。

特点

数据集核心特色在于其生产级质量与安全场景专精。所有样本实现零语法解析错误，函数调用均通过严格模式校验。每条指令内嵌<thought>思维块，显式展示诊断推理逻辑，模拟智能体在真实故障与超时下的自愈能力，而非仅理想路径。数据完全符合GDPR与欧盟AI法案，不含个人数据。样本涵盖多轮交互，聚焦零日隔离等边缘场景，强调从告警抑制、日志关联到主机网络隔离的完整处置链，为智能体在网络安全运营中的鲁棒性训练提供精细标注。

使用方法

使用者可通过Python的pandas库直接读取Parquet文件，快速加载并检视指令、思维过程与最终输出字段。该数据集适用于微调函数调用大模型，如利用Unsloth、Axolotl或Ollama框架进行监督式微调。典型流程是将instruction作为输入，thought_process与final_output作为监督信号，训练模型在安全事件响应中生成正确的工具调用序列。也可用于评估现有智能体在零日隔离任务上的表现，或作为少样本示例注入推理链。需注意该版本为免费预览版，商业部署需获取完整许可。

背景与挑战

背景概述

随着大语言模型在自主智能体与工具调用领域的迅猛发展，多轮函数调用能力已成为衡量模型工程实用性的关键指标。然而，公开数据集中普遍存在语法错误率高、缺乏思维链推理、以及忽视生产环境故障恢复等缺陷，难以支撑高可靠性智能体的训练需求。在此背景下，OmniMCP系列数据集应运而生，其Cyber Zeroday Quarantine模块聚焦于网络零日隔离这一高安全敏感场景，采用模块化四层级架构，将企业级AI能力拆解为可精细调优的构建单元。该数据集由独立研究团队基于真实API故障与对抗性网络攻击模式合成，经Pydantic AST严格校验，为智能体在网络安全运营中的多轮工具调用提供了高质量的评测与微调资源，对推动Agentic AI在安全领域的落地具有参考价值。

当前挑战

该数据集所应对的核心领域问题在于，如何使智能体在遭遇零日漏洞攻击时，能够通过多轮函数调用自主完成主机网络隔离、令牌吊销与威胁研判等复杂安全响应，而传统数据集往往仅覆盖理想化的单轮调用路径，缺乏对真实攻击链与故障恢复的建模。在构建过程中，挑战集中于三方面：其一，需在合成数据中精准复现零日攻击的隐蔽性与突发性，同时保证工具调用序列的语义合法性与AST解析通过率；其二，须在无真实个人数据的前提下，严格遵循GDPR与EU AI Act的合成溯源要求，以RFC 2606与RFC 5737文档保留地址构建合规样本；其三，要在多轮对话中嵌入链式推理与错误自愈逻辑，避免模型习得脆弱的高斯分布偏差，从而缩小实验室评测与生产环境安全运营之间的鸿沟。

常用场景

经典使用场景

在面向自主智能体的函数调用与多轮工具使用研究中，该数据集作为经过验证的合成多轮对话语料，常在微调与评测阶段被加载，用以训练模型在网络安全零日隔离情境下依据指令逐步生成思考过程并调用相应工具接口。其经典用法聚焦于对智能体在受控沙箱内执行主机网络隔离、令牌吊销及告警分流等操作的建模，使模型能够在每一轮交互中依据前序状态和工具返回值生成结构化调用，进而形成可复现的基准测试流程，用以衡量多轮工具编排的鲁棒性与连贯性。

解决学术问题

该数据集针对学术研究中智能体工具调用数据稀缺、合成样本语法与解析错误频发以及多轮状态一致性难以保持等问题提供了系统化解决方案。其内置逐步推理与真实接口失败恢复轨迹，使研究者能够在受控条件下考察模型在零日威胁隔离、连接超时及错误恢复等非理想路径上的行为表现，从而弥补公开语料在错误处理与多轮状态追踪方面的不足。此举为智能体决策的可解释性、安全性与可靠性研究提供了可复用的实验基底，并对函数调用范式的标准化评测具有推动意义。

衍生相关工作

围绕该数据集，后续工作扩展出更为细分的领域套件，包括自主网络防御运营中心、云安全运营与韧性、恶意软件沙箱与零日隔离、分布式拒绝服务缓解以及身份令牌吊销等专题模块，并整合进更大规模的多智能体编排与长时记忆压缩体系之中。这些衍生产品沿用了多轮工具调用与逐步推理的标注范式，形成从单一问题求解到行业级解决方案的层级生态，为函数调用智能体的微调、评测与部署提供了连贯的系列化资源。