К содержимому

Датасет · tandevllc

Корпус кода для пентеста и наступательной безопасности

tandevllc/offsec_redteam_codes

Огромный корпус на ~30 млрд токенов из GitHub-репозиториев по пентесту, OSINT, эксплуатации уязвимостей и криминалистике.

Что внутри

Курируемый текстовый и табличный корпус на английском языке объемом от 1 до 10 млн записей (~30 миллиардов токенов), собранный из популярных GitHub-репозиториев по наступательной безопасности (red teaming). Включает исходный код и сопутствующие тексты по темам пентеста, OSINT, C2, повышения привилегий, эксплуатации уязвимостей и цифровой криминалистики.

Что можно сделать

  • Обучение или дообучение кодовых LLM для аудита безопасности и поиска уязвимостей
  • Создание систем поиска по коду и RAG-ассистентов для специалистов по информационной безопасности
Задачи
Генерация текста, Заполнение пропусков, Поиск по текстам, text ranking, Эмбеддинги, Похожесть текстов
Языки
Английский
Размер
1M–10M записей
Скачиваний за месяц
1 тыс.
Лайков
24
Доступ
по запросу на Hugging Face

Как загрузить

from datasets import load_dataset

ds = load_dataset("tandevllc/offsec_redteam_codes")