Датасет · WhitzardAgent
База знаний по кибербезопасности на 1,19 млн записей
WhitzardAgent/CyberSecurity-1M
Корпус данных по информационной безопасности на английском и китайском языках для некоммерческих исследований.
Что внутри
Датасет объединяет текстовые материалы по кибербезопасности из открытых источников, разделённые на 16 категорий. В описании указано 1,19 миллиона записей (в метаданных отмечено от 1K до 10K) на английском и китайском языках. Набор предназначен строго для академических и некоммерческих исследований.
Что можно сделать
- SFT-дообучение моделей для анализа угроз и консультаций по инфобезу
- Построение систем вопросно-ответного поиска (QA) по кибербезопасности
- Обучение классификаторов тем и инцидентов информационной безопасности
- Задачи
- Генерация текста, Суммаризация, Вопрос-ответ, Классификация текста
- Языки
- Английский, Китайский
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 367
- Лайков
- 43
- Доступ
- по запросу на Hugging Face
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("WhitzardAgent/CyberSecurity-1M")