【资料图】

PDF是便携式文档格式的缩写，是一种复杂的文件类型，可以包含图像，电影文件，交互式表单，3D模型等等。JPL表示此前已收集了800万个PDF文件，完整的数据集总计约为8TB，使其成为同类中最大的公开可用语料库。JPL通过和非营利组织PDF协会合作，开发多种工具来应对网络在线威胁。亚汇网翻译JPL数据科学家TimAllison的内容如下：PDF格式用途广泛，合同、法律文档、3D工程设计等都会用到。但PDF格式也很复杂，能以不同形式隐藏恶意代码。为了应对PDF的这些和其他挑战，需要从互联网上收集大量真实世界的PDF样本，为软件专家创建一个共享的，免费可用的资源。