PrimeVul 漏洞函数容器化数据集

机器学习
0 下载
38 浏览
2026-09-11

数据集简介

primevul 数据集(adefu020/primevul)是原始 primevul 数据的容器化发行版本,由 Dataset2Container 自动准备生成。与直接发布代码文本不同,该版本以修复前/后(before/after)成对的 Apptainer SIF 容器镜像形式组织数据,便于在隔离环境中复现与运行。每行记录的 function_of_interest 字段保存了源数据集中对应 variant 的函数体。

发布与组织方式

  • 镜像对:按漏洞修复前/后准备 Apptainer SIF 镜像对,分别对应漏洞版本与修复版本;
  • Parquet 清单:Parquet 格式的清单文件指向 containers/ 目录下的镜像;
  • 完整性校验:仓库提供 SHA256SUMS 文件,对每一个已发布文件进行校验,确保发布内容未被篡改;
  • 相关项目:同仓库关联的实体包括 adefu020、Dataset2Container,以及作为测试样例涉及的 madler/unzip、torvalds/linux(Info-ZIP UnZip 6.0)等项目。

数据字段

根据数据集 schema,每条记录包含以下字段:

字段 说明
sample_id / dataset / split 样本标识、所属数据集与划分
source_record_id / source_revision 源记录标识与版本
project / repo_url / commit_url 所属项目、仓库与 commit 链接
fixing_commit_sha 修复 commit 的 SHA
variant / is_vulnerable / revision_sha 变体类型、是否为漏洞版本及版本 SHA
container_path / container_sha256 / source_sha256 镜像路径及对应哈希
function_name / function_of_interest / file_path 函数名、函数体与文件路径
cve_ids / cve_description CVE 编号与描述
cwe_ids / cwe_description CWE 编号与描述
description / commit_message 描述与 commit 信息
vulnerable_function / fixed_function 漏洞函数与修复函数

规模与格式

  • 规模:1K - 10K 条记录;
  • 文件格式:Parquet(清单)、SIF(Apptainer 容器镜像);
  • 发布页面:HuggingFace Datasets 平台,含 Dataset card、Data Studio、Files and versions、Community 等标准版块,可通过页面直接浏览或下载 Parquet 清单及对应容器镜像。

基本信息

记录数量未知
文件大小未知
文件格式Parquet、Apptainer SIF
数据来源adefu020
数据规模1K - 10K 条
校验方式SHA256SUMS
镜像工具Apptainer(Dataset2Container 生成)
数据落地页https://huggingface.co/datasets/adefu020/primevul
发布日期2026-09-11
漏洞检测CVECWE容器镜像代码安全Apptainer

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费