PI-to-CI

kaggle2026-03-31 更新2026-08-26 收录

提示注入攻击

命令注入攻击

数据链接：

https://www.kaggle.com/datasets/edaerer/pi-to-ci 数据链接链接失效反馈

官方服务：

资源简介：

Prompt Injection to Command Injection

提示词注入（Prompt Injection）至命令注入（Command Injection）

创建时间：

2026-03-31

NotInject

提示注入攻击

自然语言处理

NotInject数据集由威斯康星大学麦迪逊分校的研究团队创建，旨在评估提示防护模型中的过度防御问题。该数据集包含339个精心设计的良性输入样本，这些样本中嵌入了常见于提示注入攻击中的触发词，以进行细粒度评估。数据集的创建过程包括触发词识别、精炼和语料生成，确保样本的语义一致性和无害性。NotInject数据集主要应用于检测和缓解提示注入攻击，旨在提高大型语言模型在面对恶意输入时的鲁棒性和准确性。

arXiv2024-10-30 更新4931

imoxto/prompt_injection_cleaned_dataset-v2

提示注入攻击

语言模型安全

--- dataset_info: features: - name: model dtype: string - name: text dtype: string - name: labels dtype: int64 splits: - name: train num_bytes: 670958021 num_examples:

Hugging Face2023-08-08 更新220

Grok4_PIA.csv

提示注入攻击

人工智能安全

Dataset for Prompt Injection Attack generated by Grok 4

kaggle2025-10-23 更新80

PIArena Benchmark

提示注入攻击

大型语言模型安全

PIArena Benchmark是由宾夕法尼亚州立大学团队构建的提示注入攻击评估基准数据集，集成于统一平台PIArena中。该数据集涵盖多样化目标任务（如问答、检索增强生成等）和四类现实攻击场景（钓鱼注入、内容推广、访问拒绝和基础设施故障），通过上下文感知的注入任务设计增强真实性。数据集的创建过程涉及利用LLM生成与目标指令和上下文相关联的恶意任务。其核心应用领域为大型语言模型安全研究，旨在系统

arXiv2026-04-10 更新780

shalanova/benchmark-2-chinese-gt

提示注入攻击

大型语言模型安全

该数据集是通过Google Translate翻译成中文的，主要包含prompt-injection和典型的jailbreak-style指令，具有相对同质的攻击模式。数据集大小为1,000个提示，其中500个为安全提示，500个为不安全提示。数据集包含四个列：text（原始提示）、label（0表示安全，1表示不安全）、translation（通过Google Translate翻译成中文的提示

Hugging Face2026-04-30 更新210

PI-to-CI

资源简介：

相关数据集