数据集概述
本数据集记录了三款本地部署大语言模型（Llama 3.1: 8B、Qwen 2.5 Coder: 7B Instruct、Codestral: 22B）对选定漏洞样本的URL提取测试结果。数据按模型、CVE编号、漏洞ID层级组织，共包含四十八个文本文件，可直接关联原始漏洞样本。
文件详解
该数据集采用四级目录结构组织，具体说明如下：
- 顶层目录: URL extraction results testing on-premise LLMs on selected exploits/
- 二级目录 (模型目录):
- on-premise/codestral/: Codestral模型结果目录
- on-premise/llama3.1/: Llama 3.1模型结果目录
- on-premise/qwen2.5-coder/: Qwen 2.5 Coder模型结果目录
- 三级目录 (CVE编号目录): 如 CVE-2020-10199/，按漏洞编号分类
- 四级文件 (漏洞ID文件): 如 48343.txt，以ExploitDB或PacketStorm漏洞ID命名
- 文件格式: 所有文件均为TXT格式
- 文件内容: 每个TXT文件记录对应模型从指定漏洞代码中提取的URL输出结果
适用场景
- 大语言模型能力评估: 对比不同本地部署LLM在漏洞分析任务中的URL提取准确率
- 网络安全研究: 分析漏洞利用代码中URL访问模式与攻击链关联
- 模型优化: 为LLM在网络安全领域的微调提供真实漏洞场景测试数据
- 漏洞情报分析: 快速提取漏洞样本中的关键URL资源，辅助威胁情报构建
