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")