source_usage.md

数据来源与贡献统计

本文档列出本数据集引用的上游公开数据来源、公开链接、文件数量参考以及各来源在当前数据版本中的样本贡献量。

本仓库不公开原始 raw 数据。下表中的 raw 文件数仅用于说明本地数据整理过程中的来源规模，不代表公开仓库将上传这些原始文件。

数据库建设工作量摘要见 construction_effort.md。

上游数据来源

来源 ID	公开来源	链接	在本数据集中的作用
Empirical-Analysis-of-Vulnerability-Detection-Tools-for-Solidity-Smart-Contracts	Empirical Analysis of Vulnerability Detection Tools for Solidity Smart Contracts	https://github.com/fsalzano/Empirical-Analysis-of-Vulnerability-Detection-Tools-for-Solidity-Smart-Contracts	原始论文数据的核心来源。
smartbugs_curated	SmartBugs Curated	https://github.com/smartbugs/smartbugs-curated	高质量人工整理基准来源。
solidifi_benchmark	SolidiFI Benchmark	https://github.com/DependableSystemsLab/SolidiFI-benchmark	注入式漏洞基准，提供漏洞类型和定位信息。
dappscan	DAppSCAN	https://github.com/InPlusLab/DAppSCAN	真实 DApp 审计和源码来源，用于漏洞存在性与类型标签补充。
slither_audited_smart_contracts	Slither Audited Smart Contracts	https://huggingface.co/datasets/mwritescode/slither-audited-smart-contracts	基于 Slither 检测结果的大规模弱标签来源。
scrawld	ScrawlD	https://github.com/sujeetc/ScrawlD	用于低频漏洞类别扩充和源码支撑样本补充。
smart_contract_vulndb	Smart Contract VulnDB / SCVD	https://www.scvd.dev/	漏洞描述和发现级元数据来源，用于候选样本挖掘。
smart_contract_sanctuary_ethereum	Smart Contract Sanctuary	https://github.com/tintinweb/smart-contract-sanctuary	源码恢复辅助来源，不作为主要标签来源。

本地 raw 文件数参考

这些数量来自本地 data/external/<source>/ 目录的文件统计，仅用于记录数据整理过程。公开仓库不上传这些 raw 文件。

来源 ID	本地 raw 文件数	公开发布策略
dappscan	30,672	不再分发原始文件。
scrawld	1,960	不再分发原始文件。
slither_audited_smart_contracts	12	不以 raw 数据形式再分发。
smart_contract_vulndb	3	不再分发原始快照；可发布派生元数据。
smartbugs_curated	159	不再分发原始合约。
solidifi_benchmark	5,108	不再分发原始合约。

受长路径、子模块和同步盘占位文件影响，本地 raw 文件数可能不是严格的公开数据规模指标。正式数据规模应以合并数据和 processed 数据统计为准。

规范化中间文件数

以下数量来自本地 data/staging/<source>/ 目录中的规范化 JSON 和统计文件。

来源 ID	规范化中间文件数
dappscan	5
scrawld	2
slither_audited_smart_contracts	5
smart_contract_vulndb	2
smartbugs_curated	8
solidifi_benchmark	8

合并数据中的来源贡献

以下统计来自 data/merged/*.stats.json。

来源 ID	has_vul_merged_stage0	vul_type_merged_stage0	vul_line_merged_stage0
solidifi_benchmark	24,178	24,178	24,178
dappscan	455	455	0
slither_audited_smart_contracts	80,645	70,940	0
合计	105,278	95,573	24,178

推荐 processed 划分中的来源贡献

以下统计来自 data/prepared/balanced_stage1_resplit_721/build_report.json。

来源 ID	has_vul_721_stratified_v1	vul_type_721_stratified_v1	vul_line_721_stratified_v1
dappscan	453	455	464
Empirical-Analysis-of-Vulnerability-Detection-Tools-for-Solidity-Smart-Contracts	2,182	1,609	1,519
scrawld	1,951	1,909	1,952
slither_audited_smart_contracts	18,714	15,217	2,815
solidifi_benchmark	1,141	5,204	5,741
合计	24,441	24,394	12,491