/ Модель

Характеристики

Контекст
8 192 токена
Параметры
2 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Опубликована
8 сен 2026

urlbert-tiny-v6

ЭмбеддингиТекст → embedding3 профессии

Компактный энкодер URL для извлечения признаков и обнаружения фишинговых и других вредоносных ссылок.

365скачиваний за 30 дней1лайквеса обновлены8 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

CrabInHoney/urlbert-tiny-v6 — компактный энкодер URL на архитектуре ModernBERT, разработанный CrabInHoney для извлечения признаков и выявления вредоносных ссылок, включая фишинговые. Модель насчитывает около 2,03 млн параметров, имеет размерность скрытого представления 128 и контекст до 8192 токенов. Она предназначена исключительно для обработки строк URL.

Энкодер выдаёт контекстные представления токенов; для последующих задач автор рекомендует объединять представление CLS со средним представлением токенов. В репозитории также есть десять предварительно обученных классификационных голов для наборов данных по кибербезопасности. По описанному автором тесту на JPxxx/url-benchmark-dataset модель показала высокие результаты при обнаружении вредоносных URL, однако качество на других источниках данных может отличаться. Модель опубликована под лицензией Apache-2.0.

Сценарии применения

  • извлечение эмбеддингов из URL для последующей классификации
  • обнаружение фишинговых ссылок
  • классификация URL на безопасные и вредоносные
  • ранжирование подозрительных URL для проверки специалистом
  • встраивание анализа URL в конвейер кибербезопасности

Ограничения

Модель рассчитана исключительно на строки URL и не предназначена для анализа содержимого веб-страниц или писем. Заявленные результаты получены на конкретных наборах данных; качество на иных источниках может отличаться.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CrabInHoney/urlbert-tiny-v6

CrabInHoney/urlbert-tiny-v6 is a lightweight URL encoder based on the ModernBERT architecture, designed for malicious URL detection, phishing classification, and URL feature extraction.

With only 2.03M parameters and a hidden dimension of 128, the model executes very fast simply due to its small footprint and compact embedding size, while remaining competitive on detection tasks.

The base model was trained via knowledge distillation of hidden representations from an ensemble of multiple teacher models, which were intentionally trained specifically for this purpose. Please note that this model is designed to process and analyze URL strings exclusively.

The repository contains the base encoder alongside 10 pre-trained classification heads trained on various public cybersecurity datasets.


Key Specifications

ParameterValue
ArchitectureModernBERT (ModernBertModel)
Parameters2,033,408 (2.03M total; 0.98M backbone, 1.05M embeddings)
Hidden Dimension128
Layers / Heads6 hidden layers / 4 attention heads
Context Window256 tokens
Vocabulary Size8,193
Model Size~7.76 MB (FP32) / 3.88 MB (FP16)
Average Tokens / URL24.8 (Truncation rate: 0.093% at max_len=256)

Benchmark Comparison

The models were evaluated on the JPxxx/url-benchmark-dataset

The benchmark contains 3M URLs with a strict 9:1 benign-to-malicious ratio. Evaluation was conducted using site-aware 5-fold cross-validation, ensuring that no second-level domain or IP address appears in more than one fold to eliminate data leakage.

RankModelBase DimAUPRC ↑AUROC ↑F1 ↑TPR @ 0.1% FPR ↑TPR @ 1% FPR ↑FPR @ 95% TPR ↓
1CrabInHoney/urlbert-tiny-v61280.97320.99280.93020.83390.93370.0173
2r3ddkahili/final-complete-malicious-url-model7680.96270.99010.91200.78550.90760.0335
3kmack/malicious-url-detection7680.96260.99030.91370.74910.91230.0294
4ealvaradob/bert-finetuned-phishing10240.94510.98580.88430.64460.86580.0544
5cybersectony/phishing-email-detection-distilbert_v2.4.17680.94260.98550.88030.66700.86000.0645
6CrabInHoney/urlbert-tiny-base-v41920.93390.98260.87160.65230.84160.0844
7CrabInHoney/urlbert-tiny-base-v31920.88710.97200.80960.48170.73720.1531
8CrabInHoney/urlbert-tiny-base-v21920.82230.95670.73810.36570.61230.2218

Feature Extraction (Embeddings)

from transformers import AutoModel, AutoTokenizer
import torch

REPO = "CrabInHoney/urlbert-tiny-v6"

tok = AutoTokenizer.from_pretrained(REPO)
model = AutoModel.from_pretrained(REPO)

text = "http://example.com/login-verify-account"
inputs = tok(text, return_tensors="pt")

with torch.no_grad():
    out = model(**inputs)

print(out.last_hidden_state.shape)

Output:

torch.Size([1, 15, 128])

Important Note on Pooling: For optimal downstream performance, it is highly recommended to use a combination of CLS + MEAN pooling (concatenating the [CLS] token representation with the mean representation of all tokens). This strategy yields the most robust and useful signal for feature extraction.


Pretrained Classification Heads

Trained classification heads are stored in the heads/ directory:

Head SubfolderSource DatasetClassesAccuracyTest Loss
phiusiil_phishing_urlPhiUSIIL Phishing URL Dataset299.86%0.0833
cybersectony_phishing_email_v2Cybersectony Phishing v2.0299.83%0.0841
ealvaradob_phishing_datasetEA Phishing Dataset299.40%0.0965
malicious_urls_4classMalicious URLs Dataset499.26%0.1556
url_65lakh65 Lakh+ Labeled URLs299.21%0.1015
phishbd_2026PhishBD_2026297.27%0.1364
phishdestroy_destroylistPhishDestroy Destroylist295.68%0.1823
kmack_phishing_urlsKMack Phishing URLs290.89%0.2514
snats_url_classifications_cleanSnats URL Classifications1758.91%1.4642
weborganizer_topic_annotationsWebOrganizer Topic Annotations2452.32%1.7157

Multi-Head Classification Example

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

REPO = "CrabInHoney/urlbert-tiny-v6"

HEADS = [
    "cybersectony_phishing_email_v2",
    "ealvaradob_phishing_dataset",
    "kmack_phishing_urls",
    "malicious_urls_4class",
    "phishbd_2026",
    "phishdestroy_destroylist",
    "phiusiil_phishing_url",
    "snats_url_classifications_clean",
    "url_65lakh",
    "weborganizer_topic_annotations",
]

tok = AutoTokenizer.from_pretrained(REPO)
text = "http://paypal-secure-login.verify-account.com"

for head in HEADS:
    model = AutoModelForSequenceClassification.from_pretrained(
        REPO, subfolder=f"heads/{head}", trust_remote_code=True
    )
    inputs = tok(text, return_tensors="pt", truncation=True, max_length=model.config.max_length)

    with torch.no_grad():
        logits = model(**inputs).logits

    probs = torch.softmax(logits, dim=-1)[0]
    pred = probs.argmax().item()
    print(f"{head:35s} -> {model.config.id2label[pred]:15s} ({probs[pred]:.3f})")

Output:

cybersectony_phishing_email_v2      -> phishing_url    (0.984)
ealvaradob_phishing_dataset         -> phishing        (0.985)
kmack_phishing_urls                 -> phishing        (0.984)
malicious_urls_4class               -> phishing        (0.979)
phishbd_2026                        -> phishing        (0.985)
phishdestroy_destroylist            -> malicious       (0.984)
phiusiil_phishing_url               -> phishing        (0.985)
snats_url_classifications_clean     -> legal           (0.352)
url_65lakh                          -> malicious       (0.985)
weborganizer_topic_annotations      -> Finance & Business (0.485)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertModel
Ревизия весов
0207444

0 моделей