Upload README.md with huggingface_hub

README.md

@@ -0,0 +1,114 @@
+---
+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