QUT-DV25：面向下一代软件供应链攻击动态分析的数据集

保障软件供应链安全正面临挑战，因为现有数据集在捕捉下一代攻击（如多阶段恶意软件执行、远程访问激活和动态负载生成）的复杂性方面不足。现有数据集依赖元数据检查和静态代码分析，对于检测此类攻击不够。由于这些数据集未能捕捉软件包安装期间和之后发生的事情，这就造成了关键性空白。为弥补这一空白，我们提出 QUT-DV25，一个专为支持和推动研究检测和缓解 PyPI 生态系统中供应链攻击的动态分析数据集。该数据集捕获 14,271 个 Python 软件包的安装和后安装时间轨迹，其中 7,127 个为恶意软件。这些软件包在使用扩展的伯克利数据包过滤器（eBPF）内核和用户级探针的隔离沙箱中执行。它捕获 36 个实时特征，包括系统调用、网络流量、资源使用情况、目录访问模式、依赖日志和安装行为，支持下一代攻击向量的研究。使用 QUT-DV25 数据集进行的机器学习分析识别了四个此前被标记为良性的恶意 PyPI 软件包，每个软件包都有数千次下载。这些软件包部署了隐蔽的远程访问和多阶段负载，已被报告给 PyPI 维护者并被随后移除。这凸显了 QUT-DV25 的实际价值，因为它超越了反应式、元数据和静态数据集，为在不断演变的软件供应链生态系统中开发和基准测试先进威胁检测提供了稳健的基础。