中文互联网基础语料4.0等三类高质量数据集正式发布
9月15日下午，在济南召开的2026年国家网络安全宣传周人工智能安全治理分论坛上，中文互联网基础语料4.0、网络安全数据集1.0、AIGC检测数据集等三类高质量数据集正式向社会发布。
在中央网信办指导下，中国网络空间安全协会会同国家互联网应急中心等单位，在前期发布中文互联网基础语料1.0、2.0和3.0的基础上，依托网安协会人工智能安全治理专委会建立的语料共建共享机制，汇聚一批新的高质量可信数据，经过一系列严格细致的数据加工处理措施，形成并对社会发布中文互联网基础语料4.0，数据量120GB，为大模型训练和人工智能发展提供可信数据支撑。为了促进大模型网络安全能力的提升，国家互联网应急中心联合中关村实验室、中国科学技术大学、中国科学院计算机网络信息中心、绿盟科技集团股份有限公司及北京长亭科技有限公司，正式发布网络安全数据集1.0，数据集包括网络安全能力测评基准集、APT攻防数据集、网络安全告警数据集、异常流量数据集、漏洞分析数据集等5个子数据集。为支持大模型生成内容检测与溯源相关研究，国家互联网应急中心联合中国科学院信息工程研究所，正式发布AIGC检测数据集，数据集包含10万条文本数据和10万条图片数据。
上述数据集均在“中文互联网语料资源平台”上线。用户登录中国网络空间安全协会网站（https://www.cybersac.cn/newhome），点击“中文互联网语料资源平台”链接，通过注册、认证等程序，即可下载或联系获取相关数据。
中国传媒网摘编：亓淦玉
|
