数据集概述
本数据集包含1400条基于聊天的社交工程对话，模拟LinkedIn场景中的真实沟通，覆盖学术合作、学术资助、新闻采访、招聘等场景。所有对话由GPT-4-Turbo生成，包含单LLM模拟和双智能体交互两种模式，其中400条对话经过人工标注，可用于社交工程攻击防御相关的研究与分析。
文件详解
- README.md
- 文件格式：MD
- 内容介绍：数据集说明文档，包含SEConvo的核心内容概述、场景类型与模式的统计信息等。
- unannotated_test.json
- 文件格式：JSON
- 内容介绍：未标注的测试集社交工程对话数据。
- annotated_test.json
- 文件格式：JSON
- 内容介绍：人工标注的测试集社交工程对话数据。
- annotated_train.json
- 文件格式：JSON
- 内容介绍：人工标注的训练集社交工程对话数据。
- unannotated_train.json
- 文件格式：JSON
- 内容介绍：未标注的训练集社交工程对话数据。
数据来源
论文“Defending Against Social Engineering Attacks in the Age of LLMs”
适用场景
- 社交工程攻击检测模型训练: 利用标注对话数据训练识别社交工程行为的自然语言处理模型。
- 社交平台安全防御研究: 分析LinkedIn场景下社交工程攻击的沟通模式与特征，优化平台安全策略。
- 对话生成模型评估: 评估LLM生成真实社交工程对话的能力，优化对话模拟效果。
- 网络安全教育: 提供真实场景的社交工程对话案例，用于网络安全培训与防御意识提升。
