Hacker0x01/hackerone_disclosed_reports

该数据集名为HackerOne公开报告数据集，包含了来自HackerOne平台的所有公开报告。HackerOne是一个领先的漏洞协调和漏洞赏金平台。每个报告都包含了关于发现的安全漏洞的详细信息，如描述、重现步骤和修复措施。数据集支持的任务包括安全研究、工具开发、教育培训和基准测试。数据集主要使用英语，并遵循HackerOne的服务条款。

原始信息汇总

数据集概述

数据集名称

HackerOne Disclosed Reports Dataset

数据集内容

该数据集包含HackerOne平台上的所有披露报告，详细记录了发现的安全漏洞信息，包括描述、重现步骤和修复措施。

数据集特征

基本特征

• id: 整数类型
• title: 字符串类型
• created_at: 字符串类型
• substate: 字符串类型
• vulnerability_information: 字符串类型
• has_bounty?: 布尔类型
• visibility: 字符串类型
• disclosed_at: 字符串类型
• original_report_id: 整数类型
• vote_count: 整数类型

报告者信息

• reporter: 结构体类型，包含以下字段：
  • cleared: 布尔类型
  • disabled: 布尔类型
  • hacker_mediation: 布尔类型
  • hackerone_triager: 布尔类型
  • is_me?: 布尔类型
  • profile_picture_urls: 结构体类型，包含以下字段：
    • small: 字符串类型
  • url: 字符串类型
  • username: 字符串类型
  • verified: 布尔类型

团队信息

• team: 结构体类型，包含以下字段：
  • awards_miles: 布尔类型
  • default_currency: 字符串类型
  • handle: 字符串类型
  • id: 整数类型
  • offers_bounties: 布尔类型
  • only_cleared_hackers: 布尔类型
  • pentest_feature_enabled?: 布尔类型
  • pentest_retesting_ends_at: 空值类型
  • permissions: 空值类型
  • profile: 结构体类型，包含以下字段：
    • about: 字符串类型
    • name: 字符串类型
    • twitter_handle: 字符串类型
    • website: 字符串类型
  • profile_picture_urls: 结构体类型，包含以下字段：
    • medium: 字符串类型
    • small: 字符串类型
  • state: 字符串类型
  • submission_state: 字符串类型
  • url: 字符串类型

弱点信息

• weakness: 结构体类型，包含以下字段：
  • id: 整数类型
  • name: 字符串类型

结构化范围

• structured_scope: 结构体类型，包含以下字段：
  • asset_identifier: 字符串类型
  • asset_type: 字符串类型
  • databaseId: 整数类型
  • max_severity: 字符串类型

数据集分割

• train: 包含10094个样本，总大小为32397708.959740054字节
• test: 包含1262个样本，总大小为4050516.020129973字节
• validation: 包含1262个样本，总大小为4050516.020129973字节

数据集大小

• 下载大小: 18702381字节
• 数据集总大小: 40498741.0字节

使用许可

数据集遵循HackerOne的条款服务，使用时需确保遵守相关条款和条件。

搜集汇总

数据集介绍

构建方式

在网络安全领域，漏洞披露平台的数据对于理解安全威胁至关重要。HackerOne Disclosed Reports数据集通过系统性地收集HackerOne平台上公开披露的漏洞报告构建而成，涵盖了从报告创建到最终披露的全过程。数据来源于平台的实际运营记录，包括报告的标题、创建时间、漏洞详情、报告者信息、团队资料以及赏金状态等结构化字段。构建过程中，数据被划分为训练集、测试集和验证集，确保其适用于机器学习模型的开发与评估，同时遵循平台的服务条款，保障数据的合法性与可靠性。

特点

该数据集以其全面性和结构化特点脱颖而出，在网络安全研究中具有显著价值。它包含超过一万条记录，每条记录均详细描述了漏洞的发现过程、技术细节及修复建议，并附带了报告者和团队的多维度元数据，如身份验证状态、赏金提供情况等。数据集还标注了漏洞的弱点类型和资产范围，支持对安全趋势的深度分析。其多语言支持以英语为主，便于全球研究者的使用，而数据的分割设计则优化了模型训练与验证的效率，为安全工具的开发和学术探索提供了坚实基础。

使用方法

在安全研究和教育实践中，该数据集提供了丰富的应用场景。用户可通过加载数据集文件，直接访问训练、测试和验证分片，利用其结构化特征进行漏洞分类、趋势预测或自动化工具的开发。例如，安全研究人员可分析漏洞信息字段，识别常见攻击模式；教育者则能基于真实案例设计培训材料。使用时应遵守HackerOne的服务条款，确保数据用于合法目的，如学术研究或内部测试，避免商业滥用。数据集的标准化格式简化了集成流程，支持快速原型构建和基准测试。

背景与挑战

背景概述

在网络安全领域，漏洞披露与协调平台已成为连接安全研究人员与企业的重要桥梁。HackerOne作为该领域的先驱，自2012年成立以来，通过其众包安全模式，汇集了全球白帽黑客的智慧，旨在系统性发现并修复软件中的安全缺陷。该数据集由Hacker0x01于2024年整理并发布，收录了平台上所有已公开的漏洞报告，共计10,094条记录，涵盖了漏洞详情、时间戳、报告者及受影响团队等结构化信息。其核心研究问题聚焦于如何利用大规模真实漏洞数据，推动自动化漏洞分析、趋势预测及安全工具研发，对提升网络安全防御体系的智能化水平具有深远影响。

当前挑战

该数据集致力于解决漏洞分类与风险评估的领域挑战，其核心在于从非结构化的漏洞描述中提取标准化特征，以支持精准的严重性分级与模式识别。构建过程中的挑战亦不容忽视：首先，数据来源涉及敏感的安全信息，需在披露合规性与数据完整性之间取得平衡；其次，报告文本的多样性与技术术语的复杂性，增加了自动化处理的难度；此外，漏洞类型的动态演变要求数据集持续更新，以反映新兴威胁态势。这些因素共同构成了数据集在可用性与时效性方面的双重考验。

常用场景

经典使用场景

在网络安全研究领域，HackerOne Disclosed Reports数据集为分析漏洞披露趋势提供了宝贵资源。该数据集收录了来自全球领先漏洞协调平台的公开报告，涵盖漏洞描述、复现步骤及修复措施等详细信息。研究人员可借此深入探究漏洞类型分布、攻击向量演变及披露时间模式，从而揭示网络威胁的宏观动态与微观特征。

解决学术问题

该数据集有效解决了安全学术界对真实世界漏洞数据稀缺的困境。通过结构化记录漏洞弱点的技术细节与披露流程，学者能够实证检验漏洞生命周期理论，量化评估漏洞修复效率，并构建基于实际数据的威胁建模框架。这些工作显著提升了安全研究的实证基础，推动了漏洞管理从经验导向向数据驱动的范式转变。

衍生相关工作

基于该数据集衍生的经典研究包括漏洞自动分类系统的构建、跨平台漏洞模式挖掘框架的开发，以及漏洞披露生态系统的社会学分析。这些工作不仅催生了如VulBERT等预训练模型，还促进了漏洞知识图谱的构建，为智能安全运维体系提供了核心数据支撑。