| annotations_creators: | |
| - no-annotation | |
| language: | |
| - zh | |
| language_creators: | |
| - found | |
| license: | |
| - apache-2.0 | |
| multilinguality: | |
| - monolingual | |
| size_categories: | |
| - 100<n<1K | |
| source_datasets: | |
| - original | |
| task_categories: | |
| - text-classification | |
| task_ids: | |
| - text-classification | |
| paperswithcode_id: null | |
| pretty_name: Security Alert Classification Dataset | |
| tags: | |
| - security | |
| - alert | |
| - classification | |
| - chinese | |
| # Dataset Card for Security Alert Classification Dataset | |
| ## Dataset Description | |
| - **Repository:** [N/A] | |
| - **Paper:** [N/A] | |
| - **Point of Contact:** [N/A] | |
| ### Dataset Summary | |
| 该数据集包含安全告警日志数据，用于训练大模型判断安全告警是真实攻击还是误报。数据集采用Alpaca格式，包含instruction、input和output三个字段。 | |
| ### Supported Tasks and Leaderboards | |
| - **Task:** 安全告警分类 | |
| - **Task Type:** 文本分类 | |
| - **Languages:** 中文 | |
| ### Languages | |
| 数据集中的文本为中文。 | |
| ## Dataset Structure | |
| ### Data Instances | |
| 每个样本包含以下字段： | |
| - instruction: 任务说明，指导模型作为网络安全告警分析专家分析安全告警日志 | |
| - input: 告警日志数据（JSON格式），包含多种安全告警的详细信息 | |
| - output: 标签（"攻击"或"误报"） | |
| ### Data Fields | |
| - instruction: 字符串，任务说明 | |
| - input: 字符串，JSON格式的告警日志数据，包含告警来源、攻击类型、漏洞类型、危害等级、payload等信息 | |
| - output: 字符串，分类标签 | |
| ### Data Splits | |
| - 训练集：508条样本 | |
| - 攻击样本：291条 (57.3%) | |
| - 误报样本：217条 (42.7%) | |
| ## Dataset Creation | |
| ### Curation Rationale | |
| 该数据集用于训练大模型进行安全告警分类，帮助安全分析师快速识别真实攻击和误报。 | |
| ### Source Data | |
| #### Initial Data Collection and Normalization | |
| 原始数据来自安全告警系统，包含各种类型的安全告警，如SQL注入、命令执行、信息泄露、扫描行为等。 | |
| #### Who are the source language producers? | |
| 安全分析师 | |
| ### Annotations | |
| #### Annotation process | |
| 由安全分析师人工标注 | |
| #### Who are the annotators? | |
| 安全分析师 | |
| ### Personal and Sensitive Information | |
| 数据集中的IP地址和MAC地址等敏感信息已存在，但未进行进一步脱敏处理。 | |
| ## Considerations for Using the Data | |
| ### Social Impact of Dataset | |
| 该数据集可以帮助提高安全告警分析的效率，减少误报带来的资源浪费。 | |
| ### Discussion of Biases | |
| 数据集存在一定程度的类别不平衡问题，攻击样本约占57.3%，误报样本约占42.7%。 | |
| ### Other Known Limitations | |
| 1. 数据集规模较小，仅包含508条样本 | |