Dataset of Dockerfiles

从 GitHub 收集的大约 178,000 个唯一 Dockerfile 的数据集有助于对 Dockerfile 进行复杂的语义感知静态分析。为了提高这些数据的可用性，作者使用了五种表示来处理、挖掘和分析这些 Dockerfile。每个 Dockerfile 表示都建立在前面的表示之上，而最终表示由三层嵌套解析和抽象创建，使挖掘和静态检查等任务变得易于处理。

A dataset of approximately 178,000 unique Dockerfiles collected from GitHub supports complex semantic-aware static analysis of Dockerfiles. To enhance the usability of this dataset, the authors employed five representations to process, mine, and analyze these Dockerfiles. Each Dockerfile representation builds incrementally on the prior one, and the final representation is created via three-layer nested parsing and abstraction, rendering tasks such as mining and static inspection tractable.

搜集汇总

背景与挑战

背景概述

该数据集从GitHub收集了约178,000个唯一Dockerfile，旨在支持复杂的语义感知静态分析。通过五种层次化表示处理数据，提升了可用性，便于挖掘和静态检查任务。