Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

FEAT Add Agentic Prompt-Injection Boundary Pairs dataset loader

Aperta
  • Qualcosa non va?
#2,174 2 commenti 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 2 giorni

@3nesdeniz ci sta già lavorando.

Dal 13/7/2026.

  • #2175 di @3nesdeniz — aperta

Valutazione

Difficoltà
4/5
Tempo stimato
3-5 giorni
Idoneità per principianti
48/100
Tipo di issue
Funzionalità
Chiarezza
Abbastanza chiara
Stato di attività
Tranquilla
Stack tecnologico
python
Ambito
ai, data, security

Direzione di ricerca

Inizia esaminando i loader dei dataset esistenti di PyRIT e la gestione di SeedDataset, quindi traccia il modo in cui sono rappresentati i metadati e i filtri. Implementa il comportamento di caricamento richiesto per i dataset di training, validazione, test, combinati, di attacco, benigni e appaiati, preservando i metadati delle coppie. Aggiungi unit test con mock, documentazione e aggiornamenti della bibliografia; verifica gli split isolati per scenario e i filtri tipizzati.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

Is your feature request related to a problem? Please describe.

PyRIT does not currently expose a paired prompt-injection dataset designed to test the boundary between legitimate agent workflows and adversarial instructions. Attack-only collections are useful for recall, but they do not let users build or inspect false-positive-aware test surfaces where benign and attack prompts intentionally share the same scenario and vocabulary.

Describe the solution you'd like

Add a remote loader for the CC BY 4.0 Agentic Prompt-Injection Boundary Pairs dataset.

The proposed loader would:

  • load the published train, validation, test, or combined surface;
  • default to attack examples for red-team use while allowing benign or paired loading;
  • preserve pair_id, scenario_id, attack_family, pair_family, source_context, risk_domain, target_boundary, split, and label metadata;
  • support typed filters for label, split, attack family, and source context;
  • keep scenario-isolated split semantics intact;
  • include mocked unit tests, documentation, and bibliography updates.

The dataset contains 1,200 English records organized as 600 controlled benign/attack pairs across 50 enterprise and agentic scenarios and 12 attack families. JSONL and Parquet artifacts, deterministic build scripts, validation, checksums, and a 30% stratified manual-review record are public.

Describe alternatives you've considered, if relevant

Users can download the JSONL files directly, but that bypasses PyRIT dataset discovery, metadata preservation, filtering, and consistent SeedDataset handling. A generic file loader would also lose the paired-boundary semantics unless every consumer rebuilt the same mapping.

Additional context

Dataset: https://huggingface.co/datasets/3nesdeniz/agentic-prompt-injection-boundary-pairs

Source and build pipeline: https://github.com/3nesdeniz/agentic-prompt-injection-boundary-pairs

I maintain the dataset and can keep the loader schema synchronized with tagged dataset releases.

Lingua principale
Python
Stelle
4.6k
Fork
924
Merge medio
2g 10h
PR unite (30g)
210

Preparare l'ambiente

Apri in Codespaces

Avvia il container di sviluppo del progetto nel browser, con il tuo account GitHub.

  • Nessun Dockerfile né file Docker Compose
  • Ha un modello di pull request
  • Nessuna guida per i contributori

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di microsoft/PyRIT

Tutte le issue di microsoft/PyRIT

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.