By requesting access, you acknowledge that:
- you are aware of the nature of this dataset;
- you will use it responsibly and for legitimate research purposes;
- you will comply with applicable laws and regulations.

Blockchain-Sensitive-Detect-Data

English README

复旦大学附属儿科医院-区块链敏感信息检测项目的多模态完整测试数据集。

项目仓库：https://github.com/anyangsong/Blockchain-Sensitive-Detect

数据集：https://huggingface.co/datasets/anyangsong/Blockchain-Sensitive-Detect-Data

checkpoints：https://huggingface.co/anyangsong/Blockchain-Sensitive-Detect-Checkpoints

数据以原始文件夹组织，覆盖文本、音频、图像与视频等样本。

该仓库不提供统一的 CSV、Parquet 或 JSONL 清单；类别信息主要由目录名和文件名携带。

内容警告： 数据集包含辱骂、性内容、暴力、政治相关内容、误导性医疗信息、欺诈信息。使用者应仅在具备适当访问控制、伦理审查和当地法律依据的环境中处理这些内容。

本数据集全部样本仅面向多模态敏感信息检测的学术研究，部分样本本身属于违反中国当地法律法规的内容，仅用于算法研究测评，严禁直接传播、扩散样本原始内容。如您发现存在违反中国法律法规、侵害合法权益、不适宜公开传播的内容，请联系项目团队申请删除（负责人穆欣雅（邮箱：imvl@fudan.edu.cn），教授冯瑞（邮箱：fengrui@fudan.edu.cn）、教授张玥杰（邮箱：yjzhang@fudan.edu.cn））

数据概览

模态	位置	样本数
文本	`texts/text.json`	235 条
图像	`images/`	318 条
音频	`audios/`	426 条
视频	`videos/`	200 条
其他数据	未知敏感图像：`unknown_images/`；机器生成视频：`machine_videos/avlip/`	若干

目录结构

.
├── texts/
│   └── text.json
├── audios/
│   ├── politic/
│   ├── profanity/
│   ├── safe/
│   ├── sexual/
│   └── violence/
├── images/
│   ├── other/
│   ├── personal/
│   ├── politic/
│   └── violence/
├── unknown_images/
│   ├── non-unknown-sensitive/
│   └── unknown-sensitive/
└── videos/

文本数据

texts/text.json 是一个 JSON 对象，一级键为 敏感信息 与 非敏感信息。每个一级类别下包含细分类。

类别	样本数
敏感-个人属性（PII）	25
敏感-虚假或误导性医疗信息	40
敏感-欺诈和诈骗信息	40
敏感-辱骂攻击	50
非敏感-个人属性	20
非敏感-健康状况	40
非敏感-医疗应用	20
合计	235

图像数据

图像数据分为敏感与非敏感两大类，其中敏感图像进一步细分为政治内容、个人隐私和暴力内容三类。

类别	类名	样本数
0	政治内容(Political)	27
1	个人隐私(Personal Information)	203
2	暴力内容(Violence)	17
3	非敏感	71
合计	—	318

音频数据

音频数据分为四个敏感内容类别和一个正常内容类别。文件类型以 WAV 为主，包含少量 MP3。

类别	类名	样本数
0	正常(Safe)	226
1	政治敏感(Politic)	50
2	暴力煽动(Violence)	50
3	色情低俗(Sexual)	50
4	仇恨谩骂(Profanity)	50
合计	—	426

视频数据

视频数据分为六个敏感内容类别和一个正常内容类别，源于被广泛用于弱监督暴力检测任务的多模态视频数据集 XD-Violence。

类别	类名	样本数
0	正常	50
1	虐待	25
2	车祸	25
3	爆炸	25
4	斗殴	25
5	暴乱	25
6	枪击	25

使用建议

本数据集适用于探索性研究、内容审核模型原型、跨模态敏感内容检测与真实/伪造视频二分类等任务。由于文件夹布局并非标准 datasets 配置，建议先构建清单文件，将相对路径、模态、一级类别和细分类显式记录，再划分训练、验证和测试集。

使用前请注意：

不要将文件名、文本中的身份证号、电话、地址、银行卡号或其他疑似个人信息视为可公开再分发的数据；应先完成脱敏、来源核验和合规审查。
数据没有提供来源、授权、采集时间、标注流程、质量指标或推荐的数据划分说明。因此不应将其直接视为基准测试集，也不宜据此报告可泛化的性能结论。
训练、展示和人工审核应采用内容分级、最小权限、访问日志和适当的心理健康保护措施。

引用

如果您发现 Blockchain-Sensitive-Detect-Data 对您的研究或应用有帮助，请使用以下 BibTeX 格式进行引用：

@misc{anyang_song_2026,
    author       = { Anyang Song and Changkai Ji and Hao Fang and Yufeng Liu and Yang Li and Junjie He and Ying Cheng and Ruiwei Zhao and Yuejie Zhang and Rui Feng },
    title        = { Blockchain-Sensitive-Detect },
    year         = 2026,
    url          = { https://huggingface.co/datasets/anyangsong/Blockchain-Sensitive-Detect-Data },
    doi          = { 10.57967/hf/10293 },
    publisher    = { Hugging Face }
}

Downloads last month: 151

Total file size:

11.2 GB

Models trained or fine-tuned on anyangsong/Blockchain-Sensitive-Detect-Data

anyangsong/Blockchain-Sensitive-Detect-Checkpoints

Updated 5 days ago