MoreFixes:CVE 修复提交大规模数据集
数据集简介
数据集构成与来源
MoreFixes 由 Jafar Akhoundali、Sajad Rahim Nouri、Kristian Rietveld 与 Olga Gadyatskaya 共同构建,其论文题目为 “MoreFixes: A Large-Scale Dataset of CVE Fix Commits Mined through Enhanced Repository Discovery”。数据集的目标是汇集 CVE 修复提交,服务软件工程与漏洞修复方向的实证研究。
在结构上,MoreFixes 基于 CVEFixes 项目的组织方式,并整合两类数据来源:NVD(国家漏洞数据库)与 GitHub Security Advisory Database(GSAD)。整个工具链由两个主要组件构成——Morefixes 与 Prospector,二者配合完成从仓库发现到修复提交提取的流程。
数据表与文件格式
数据集以 PostgreSQL dump 形式发布,文件采用 sql.gz 压缩格式。当前默认加载的 dump 文件名为 dump-2026-06-20.sql.gz,对应 2026 年 6 月 20 日的数据快照。
数据库内包含以下核心表:
fixes表:记录 CVE 修复条目,并包含score列;commits表:记录相关提交信息;file_change表:记录修复涉及的文件变更;method_change表:记录修复涉及的方法级变更。
除数据库 dump 外,数据集还附带补丁文件(patches),方便直接查看或复现修复内容。
环境要求与运行方式
使用 MoreFixes 工具需要满足以下环境条件:
- python3.10 及以上版本;
- docker 与 docker compose;
- Windows 系统不受支持。
典型流程包括:恢复数据集 dump、运行 docker 容器、配置 Morefixes、配置 Prospector,以及运行工具。官方文档中另设有 Warning 与 Example usage 章节,用于提示注意事项与展示调用示例。
版本与下载
2026 年发布的 v4 版本为当前最新版本,数据集与补丁可从 Zenodo 下载:https://zenodo.org/records/20776007。该记录的 DOI 为 10.5281/zenodo.20776007,数据集公开免费获取。