Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Библиотека: transformers
Опубликована: 23 июн 2023

Ссылки

SecureBERT-NER

Разметка токеновТекст → label3 профессии

Дообученная на APTNER модель SecureBERT на базе RoBERTa выделяет именованные сущности в англоязычных текстах по кибербезопасности.

412скачиваний за 30 дней19лайковвеса обновлены22 ноя 2023

Бенчмарки

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

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

SecureBERT-NER — модель распознавания именованных сущностей в текстах по кибербезопасности, разработанная CyberPeace Institute. Это дообученная версия SecureBERT на наборе данных APTNER, предназначенная для выделения и классификации сущностей в текстах этой области. Модель построена на архитектуре RoBERTa для классификации токенов, содержит 151,8 млн параметров и рассчитана на контекст до 514 токенов. Поддерживаемый язык — английский.

Модель подходит для извлечения сущностей из материалов об угрозах и киберинцидентах, а также для подготовки структурированных данных для последующего анализа. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — MIT.

Сценарии применения

извлечение сущностей из отчетов о киберугрозах
разметка упоминаний атакующих групп и угроз в текстах
структурирование сведений о киберинцидентах
подготовка текстов по кибербезопасности к последующему анализу

Ограничения

Модель обучена для англоязычных текстов по кибербезопасности и может хуже работать на других языках или вне этой области. Максимальная длина контекста составляет 514 токенов.