【資料圖】

PDF是便攜式文檔格式的縮寫，是一種復雜的文件類型，可以包含圖像，電影文件，交互式表單，3D模型等等。JPL表示此前已收集了800萬個PDF文件，完整的數據集總計約為8TB，使其成為同類中最大的公開可用語料庫。JPL通過和非營利組織PDF協會合作，開發多種工具來應對網絡在線威脅。亞匯網翻譯JPL數據科學家TimAllison的內容如下：PDF格式用途廣泛，合同、法律文檔、3D工程設計等都會用到。但PDF格式也很復雜，能以不同形式隱藏惡意代碼。為了應對PDF的這些和其他挑戰，需要從互聯網上收集大量真實世界的PDF樣本，為軟件專家創建一個共享的，免費可用的資源。