数据集概述
本数据集专门用于训练监督式机器学习算法识别SQL注入威胁。数据集包含47,464条独特的SQL查询语句，其中25,800条为良性查询，21,664条为恶意查询。每条记录均包含完整的SQL查询组件，如分号、单引号、中间数据、文本片段和SQL关键词。数据集采用二进制标签标注，恶意查询标记为1，正常查询标记为0。此外，数据集还提取了18个数值特征，用于提升机器学习算法的准确性和精确度。
文件详解
- SQL注入攻击数据集主文件
- 文件名称：
SQLI_Dataset.csv
- 文件格式：CSV
- 字段映射介绍：包含19个特征列，其中1个为标签列（0表示正常查询，1表示恶意查询），18个为独立数值特征列，具体包括：
- 无字母数量、无数字数量、无特殊字符数量、无关键词数量
- 查询长度、信息熵值
- 分号数量、单引号数量、双引号数量、百分号数量
- 空白字符数量、标点符号数量
- 逻辑运算符数量、运算符数量、OR运算符数量、AND运算符数量
- 注释数量
数据来源
Kaggle和GitHub平台
适用场景
- SQL注入威胁检测: 用于训练和评估机器学习模型识别恶意SQL查询语句的能力
- 网络安全算法研究: 为开发新型SQL注入检测算法提供标准化的训练和测试数据
- 特征工程研究: 分析不同SQL查询特征对检测准确性的影响，优化特征选择策略
- 教育训练: 作为网络安全课程中SQL注入检测技术的实践教学材料
