英文诈骗检测指令与回答合成数据集

自然语言
0 下载
2 浏览
2026-10-16

数据集简介

任务定位与样本构成

该数据集面向网络安全领域的诈骗检测任务:输入一条消息,要求模型判断其是否为诈骗,并给出风险等级、诈骗类型与支撑判断的证据指标。全库约 4.93 万条英文样本,每条由两部分组成:

  • prompt:提示与分析指令,典型形式为“Analyze this message and assess whether it is a scam.”;
  • completion:结构化的 JSON 回答,包含 risk_level、scam_type、indicators 等字段。

样本中的消息多为合成的钓鱼模板,来源字段标记为 generated:lexicon,便于与真实采集语料区分。

元数据字段说明

除指令与回答外,每条样本还携带一组元数据字段,可用于筛选、分层与质量核验:

字段 含义
lang 样本语言标识,当前语料为英文
label 诈骗/非诈骗等标签
adversarial 是否属于对抗性样本
turns 对话轮次
scam_type 诈骗类型
source 数据来源标记,如 generated:lexicon
content_sha256 内容哈希,用于去重与一致性校验

这些字段与 prompt、completion 共同构成完整记录,便于按诈骗类型或对抗属性组织评测。

文件组织与格式

数据以 JSON 格式发布,平台同时提供自动转换的 Parquet 版本,便于直接加载分析。数据集仅含一个子集 default,且只有一个 split train,共 49.3k 行,属于 10K–100K 规模区间。

浏览、预览与下载

数据集公开可访问,可在 HF Mirror 上浏览数据卡片、使用 Data Studio 与 Dataset Viewer 在线预览,并通过 Files and versions 页面下载;平台还提供 API 与 Embed 入口,方便在代码或网页中直接引用。具体许可未在页面注明。

基本信息

记录数量未知
文件大小未知
文件格式JSON, Parquet
数据来源skyleee
样本规模49.3k 行
语言英文
任务类型诈骗检测
数据子集default
数据划分train
数据落地页https://huggingface.co/datasets/skyleee/syn-ss
发布日期2026-10-16
诈骗检测网络安全指令微调钓鱼模板风险等级

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