覆盖攻击行为训练、检测能力缺口、SQL注入、XSS、RCE、缓冲区溢出、路径穿越、综合威胁检测等安全核心场景，采用五元组结构精准标注。
本专题汇聚 8 个高质量安全数据集，覆盖 Web 安全（SQL注入、XSS、RCE、路径穿越）、系统安全（缓冲区溢出）、综合威胁检测等关键安全领域。所有数据集采用创新的 五元组结构——XML规则定义攻击模式 + PCAP原始流量数据 + HTTP请求/响应还原 + 攻击行为精准标签 + 标准答案验证，为 AI 安全模型的训练与评估提供结构化、可复现的数据基础。
AI驱动的APT检测准确率突破95%
基于深度学习的APT攻击检测系统在公开基准测试中准确率已突破95%，大幅超越传统规则引擎的70%水平。
ATT&CK框架成为安全运营标配
MITRE ATT&CK框架已被全球超过80%的SOC团队采用，成为威胁狩猎与攻击模拟的核心知识库。
生成式AI使钓鱼攻击成功率提升300%，防御侧需对抗性训练数据
AI生成的钓鱼邮件通过率相比人工编写提升3倍，防御侧亟需大规模对抗性训练数据构建检测模型。
XML规则
攻击模式定义
PCAP流量
原始网络数据包
HTTP还原
请求/响应完整还原
攻击标签
精准行为标注
标准答案
可复现验证
覆盖 Union 注入、盲注、报错注入、时间注入等全部 SQL 注入变种，含原始 HTTP 流量。
反射型、存储型、DOM型 XSS 完整攻击链数据，含绕过 WAF 的高级利用手法。
命令注入、反序列化漏洞、模板注入等 RCE 攻击场景全量覆盖。
栈溢出、堆溢出、格式化字符串等系统级漏洞攻击数据。
目录遍历、文件包含等路径穿越类攻击完整数据。
多攻击类型混合场景，用于训练综合威胁检测模型。
基于 ATT&CK 框架的攻击链行为数据，覆盖初始访问到数据渗出全阶段。
针对主流 WAF/IDS 检测盲区的对抗性样本数据，用于提升检测模型健壮性。