metadata

annotations_creators:
  - no-annotation
language:
  - zh
language_creators:
  - found
license:
  - apache-2.0
multilinguality:
  - monolingual
size_categories:
  - 10K<n<100K
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：65134条样本
- 攻击样本：291条 (0.45%)
- 误报样本：64843条 (99.55%)

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

数据集存在极度类别不平衡问题，攻击样本仅占0.45%，误报样本占99.55%。

Other Known Limitations

数据集规模较大，但攻击样本极少，类别极度不平衡
安全告警类型可能不全面
数据集可能存在地区偏见，主要来自中国网络环境
标注可能存在一定的主观性