securecode-web
קוד פתוחscthorntoncc-by-nc-sa-4.02025-12-04
המאגר מרכז 1,625 דוגמאות קוד של חולשות אבטחה ברשת והתיקון שלהן. הוא מיועד למי שרוצה לאמן או לבחון מודל שכותב קוד מאובטח ולא רק מזהה שגיאות.
- 2,507הורדות בחודש
- 16לייקים
מה זה
כל רשומה בנויה משיחה של ארבעה שלבים בין משתמש לעוזר. השיחה מציגה קוד פגיע, מדגימה מתקפה אמיתית ומספקת קוד מתוקן לצד הנחיות ניטור ורישום ליומנים. הנתונים מתמקדים באבטחת יישומי רשת ומכסים את עשרת הסיכונים של OWASP. לפי הקובץ ששוחרר, המאגר מכיל 1,625 דוגמאות בפורמט פרקט, שמתוכן 1,085 מוגדרות ברמת חומרה קריטית ו־516 ברמת חומרה גבוהה.
התוכן נבנה מבסיס ראשוני של 1,159 דוגמאות והורחב בחבילות ממוקדות עבור מסגרות פיתוח כמו אקספרס, דג'נגו וספרינג בוט. בעדכון גרסה 2.2 נערכה ביקורת שבה נוקו 802 שיוכי חולשות שגויים, תוקנו ציוני סיכון מספריים מבוססי שגיאות אלו, ונמחקו דוגמאות שלא תאמו את המציאות.
מתאים ל
- כוונון עדין למודלי קוד
אימון מודל שפת קוד קטן לייצור תיקוני אבטחה נכונים בפייתון או בג'אווהסקריפט.
- הערכת עמידות מודלים
בדיקת יכולת של מודל קיים להציע קוד מוגן מפני מתקפות רשת מוכרות.
- סינון קוד בצינור פיתוח
הדרכת מודלים לזיהוי חולשות כמו הזרקות SQL ופגיעויות שרשרת אספקה.
איפה זה נופל
המאגר מוגבל לאנגלית בלבד וכולל 1,625 דוגמאות, כך שהוא קטן מלהחזיק אימון מאפס ומתאים בעיקר לכוונון עדין או הערכה. שפות כמו רובי, ראסט וקוטלין זוכות לכיסוי נמוך מאוד ביחס לפייתון או ג'אווהסקריפט. יש בו פער מודע מול קטגוריית A10 של שנת 2025 שעוסקת בטיפול בחריגות, שבה יש 0 דוגמאות. ציוני מדד הסבירות לניצול קיימים רק ב־33.7% מהדוגמאות, וציוני חומרת הפגיעות מופיעים רק ב־18.3%.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
לא. הרישיון הוא CC BY-NC-SA 4.0, מה שאוסר שימוש מסחרי באופן מפורש. מודל שאומן על המאגר מחויב באותם תנאים, ולכן אינו מתאים למוצר שנמכר ללקוחות.
האם יש במאגר דוגמאות או הוראות בעברית?
לא. המאגר מוגדר כולו בשפה האנגלית בלבד, כולל שאלות המשתמש, הקוד, הפלטים וההסברים הטכניים.
כמה שפות תכנות וסביבות עבודה מכוסות בפועל?
המאגר כולל 13 שפות ותצורות, אך רוב הנפח מתרכז בג'אווהסקריפט עם 342 דוגמאות ובפייתון עם 341 דוגמאות. שפות כמו ראסט עם 29 דוגמאות או קוטלין עם 18 דוגמאות כמעט ואינן מיוצגות.
במה שונה המאגר הזה מאוספי קוד פגיע אחרים?
הוא מציג מבנה שיחה מרובע שלבים עם קוד מקור, מתקפה מעשית ותיקון שמותאם למסגרת הפיתוח. בעדכון גרסה 2.2 נמחקו 802 שיוכים שגויים לחולשות ציבוריות כדי למנוע נתונים שגויים.
איך טוענים
טוענים את הנתונים ישירות דרך ספריית datasets באמצעות המזהה הרשמי, ללא צורך בהרשאה מוקדמת או באישור גישה. הנתונים שוקלים מעט יחסית מכיוון שמדובר ב־1,625 רשומות טקסט בפורמט פרקט. בעבודה עם הרשומות כדאי לשים לב לשדות המטא-דאטה, שמכילים את ציוני הסיכון, קישור לחולשות ידועות, דרישות קדם למתקפה וסיווגי OWASP לשנים 2021 ו־2025.
from datasets import load_dataset
ds = load_dataset("scthornton/securecode-web")הרישיון
הרישיון הוא CC BY-NC-SA 4.0, שאינו מתיר שימוש מסחרי מכל סוג. מותר לשתף ולעבד את הנתונים לצורכי מחקר ופיתוח פנימי בלבד, תוך מתן קרדיט והפצת יצירות נגזרות תחת אותו רישיון. מגבלות אלו חלות על מודל שתאמנו על הדאטהסט, כך שלא תוכלו למכור אותו או להשתמש בו במוצר מסחרי.
- שינוי הקוד
- חובת ייחוס
- שימוש מסחרי: לא