为安全大模型(Security LLM)构建攻防对抗训练数据基础设施。覆盖SQL注入、XSS、RCE、缓冲区溢出、路径穿越、综合威胁检测等8大安全数据集，五元组结构化标注，MITRE ATT&CK全映射。
生成式AI既是攻击利器也是防御革命。从LLM驱动的自动化漏洞挖掘到Security LLM的崛起，从对抗性机器学习到AI红队，AI正在重塑网络安全的攻防格局。
微软Security Copilot、Google Sec-PaLM、Palo Alto Cortex XSIAM等专用安全大模型相继落地，基于GPT-4/Claude架构在威胁情报、SOC告警研判、攻击链推理上达到甚至超越人类专家水平。Security LLM时代，高质量攻防对抗数据成为核心壁垒。
基于Transformer和GNN的APT攻击检测系统在DARPA TC、CIC-APT等公开基准上准确率突破95%，大幅超越传统规则引擎。多阶段攻击链识别、TTP推理、异常行为基线建模成为研究热点，亟需大规模高质量APT样本。
OpenAI、Anthropic、Google DeepMind成立专业AI红队，针对Prompt Injection、Jailbreak、Data Poisoning、Model Extraction等攻击开展对抗性测试。NIST AI RMF与OWASP LLM Top 10将对抗性机器学习列为AI安全核心议题。
FBI/IC3年度报告显示，生成式AI使钓鱼邮件成功率提升300%，Deepfake语音诈骗损失超5亿美元。WormGPT、FraudGPT等黑产LLM在暗网流通，AI驱动的自动化漏洞挖掘、自适应攻击编排正在重塑威胁格局。
MITRE ATT&CK框架已被全球80%以上的SOC团队采用，覆盖14大战术、200+技术。ATT&CK Navigator、ATT&CK Eval、CTRAC等工具推动ATT&CK产业化，安全大模型必须深度理解ATT&CK才能进行有效的TTP推理与威胁狩猎。
Gartner预测，AI驱动的网络安全市场将在2030年前突破2150亿美元，年复合增长率22.8%。安全运营自动化、AI威胁情报、零信任AI将成为三大核心赛道，高质量攻防对抗数据是AI安全的核心战略资源。
从Web攻击到系统漏洞，从单点检测到综合威胁，从ATT&CK训练到检测能力缺口，五元组结构化标注，全量映射MITRE ATT&CK框架。
1,000~30,000条五元组数据，覆盖联合查询/盲注/报错/时间注入等7大子类型，支持MySQL/PostgreSQL/MSSQL/Oracle多数据库。ATT&CK T1190映射，含XML检测规则+PCAP流量+HTTP还原文本+标准答案。
1,000~30,000条五元组数据，覆盖反射型/存储型/DOM型/mXSS等5大子类型。含bypass技巧标注（编码绕过/大小写混淆/标签拆分/事件变异），ATT&CK T1189映射，覆盖HTML/JS/CSS/URL多上下文。
800~20,000条五元组数据，覆盖命令注入/反序列化/SSTI等5种RCE类型。含Java/PHP/Python反序列化Gadget Chain数据，支持ysoserial全链检测。ATT&CK T1059/T1203映射，覆盖命令注入→提权→持久化→横向移动完整攻击链。
500~10,000条五元组数据，覆盖栈溢出/堆溢出/格式化字符串/整数溢出4类系统级漏洞。ATT&CK T1203映射，二进制安全AI训练专用，含规则定义到验证评估完整闭环，支持CGC训练语料生成。
800~20,000条五元组数据，覆盖目录穿越/LFI/RFI/路径规范化绕过4类攻击。含丰富编码绕过Payload（URL/Double/Unicode/UTF-8 overlong/null byte/路径截断），ATT&CK T1083/T1005映射。
2,000~50,000条多类型威胁五元组数据，覆盖Web/网络/主机/云/API/0day 6大类别。完整ATT&CK映射+杀伤链阶段标注，是Security LLM预训练的完整语料基础，实现"One Model for All Threats"。
1,000~20,000条ATT&CK攻防技能训练数据，14战术/200+技术全覆盖。每条含ATT&CK技术元数据、攻击描述、检测方法、缓解措施、过程示例、PCAP关联。安全大模型预训练/SFT专用语料，覆盖知识注入到实战训练全场景。
500~1,500条高价值检测差距分析+TTP推理链，日志数据源映射。覆盖从差距识别到规则生成的完整链路，五元组关联结构，检测工程自动化训练专用，支撑SIEM规则智能生成与红蓝对抗仿真。
所有安全数据集均采用统一的五元组（实际为六元组）关联结构，覆盖从规则定义到流量验证的完整闭环，为Security LLM提供结构化训练基础。
唯一规则ID、ATT&CK技术ID映射、攻击类别、严重等级、CVE关联等元数据标识
结构化XML格式的检测规则定义，含正则特征、匹配条件、动作类型，可被WAF/IDS/SIEM直接消费
真实攻击Payload样本，含bypass技巧、编码变种、Gadget Chain等，覆盖主流攻击手法与变种
完整的HTTP请求/响应还原文本，含Header、Body、Cookie、URL等全量字段，便于NLP模型理解
原始PCAP抓包数据，保留网络层完整信息（TCP/IP、TLS握手、时序等），支持流量分析模型训练
人工专家标注的标准答案（攻击/正常、类型、严重度），用于模型SFT/RLHF训练与评估
朗慧安全数据集全面映射MITRE ATT&CK框架，覆盖从初始访问到影响的完整攻击Kill Chain。绿色单元格表示已覆盖的技术领域。
每条数据采用五元组结构化格式，从ATT&CK元数据到PCAP流量的全方位标注。
{
"rule_id": "SQLI-2026-UNION-0001",
"attack_type": "SQL Injection",
"sub_type": "Union-based",
"mitre_attack": "T1190",
"severity": "CRITICAL",
"xml_rule": "UNION.+SELECT 从WAF规则生成到Security LLM训练，从SOC自动化到红蓝对抗，朗慧安全数据集覆盖AI安全的每一个关键环节。
综合威胁检测数据集作为Security LLM的完整语料基础，覆盖Web/网络/主机/云/API/0day 6大类别，实现"One Model for All Threats"。配合ATT&CK训练数据集进行SFT，注入TTP推理能力。
SQL注入/XSS/RCE/路径穿越数据集的XML检测规则可直接被WAF消费，训练LLM自动生成针对新型攻击的检测规则，覆盖率提升40%+，误报率降低60%+。
基于ATT&CK框架的多攻击混合数据集训练SOC AI分析师，自动化告警分诊、威胁狩猎、攻击链推理。检测差距数据集帮助识别SIEM检测盲区，智能生成补全规则。
ATT&CK训练数据集支撑红队TTP模拟与蓝队检测验证，自动生成攻击剧本与检测规则。检测差距数据集精准定位防御盲区，量化红蓝对抗覆盖度。
RCE/缓冲区溢出数据集训练代码审计模型，自动识别反序列化Gadget Chain、栈溢出、格式化字符串等漏洞，支持Java/PHP/Python/C/C++多语言。
ATT&CK训练数据集赋予LLM深度理解TTP（战术/技术/流程）的能力，从单条告警推理完整攻击链，关联威胁情报，预测攻击者下一步行动。
长沙朗慧信息科技有限公司 DataAssetsAPI 平台，致力于为安全团队、AI企业提供高质量、合规的攻防对抗数据基础设施。从SQL注入到综合威胁，从ATT&CK训练到检测能力缺口，构建Security LLM训练闭环。