数据集概述
该数据集包含来自跨数据库和GitHub Advisory Database的重复漏洞信息，以JSON格式存储，旨在支持漏洞匹配、重复检测相关研究。包含22,145条跨数据库重复漏洞对和133条GitHub专属重复漏洞对，共两个核心文件。
文件详解
该数据集包含一个压缩文件，内部包含两个JSON格式数据文件，具体说明如下：
- 压缩文件: dataset.zip（格式：ZIP），为数据集的压缩包，解压后可获取以下两个JSON文件。
- 解压后文件:
- cross_database_duplicates.json（格式：JSON）：包含22,145条跨数据库重复漏洞对记录。每条记录包含四个属性：
- id_1: 第一个漏洞报告的ID
- id_2: 第二个漏洞报告的ID
- record_1: 第一个漏洞报告的详细内容
- record_2: 第二个漏洞报告的详细内容
- github_advisory_database_duplicates.json（格式：JSON）：包含133条GitHub Advisory Database专属的重复漏洞对记录，属性与上述文件一致。
适用场景
- 漏洞匹配研究：用于分析不同数据库中漏洞报告的重复模式与匹配规则
- 自然语言处理应用：可作为NLP模型训练数据，提升漏洞文本的相似度计算能力
- 重复漏洞检测工具开发：为跨数据库重复漏洞检测系统提供实证数据支持
- 网络安全数据分析：辅助构建更全面的漏洞数据库整合方案
