中文互联网基础语料4.0等三类高质量数据集发布

9月15日下午，在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，在前期发布语料1.0、2.0和3.0的基础上，依托人工智能安全治理专委会建立的语料共建共享机制，汇聚新的高质量可信数据，形成中文互联网基础语料4.0，数据量120GB。

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、绿盟科技及北京长亭科技发布网络安全数据集1.0，包含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。

国家互联网应急中心还联合中国科学院信息工程研究所发布AIGC检测数据集，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。

数据集是人工智能发展的基础资源，尤其在中文大模型训练中，高质量、可溯源、可信任的数据长期稀缺。三类数据集同步发布，覆盖了基础语料、安全能力和生成内容检测三个关键方向，既为大模型训练提供燃料，也为模型安全评估提供了标尺。