Модель классификации табличных данных для низколатентного обнаружения сетевых вторжений и защиты API и веб-серверов.
0скачиваний за 30 дней1лайквеса обновлены8 окт 2026
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
BAAR1-guard — модель классификации табличных данных для обнаружения сетевых вторжений и защиты API-шлюзов и веб-серверов в сценариях Zero Trust. В README модель описана как низколатентный движок для работы встраиванием в поток запросов; заявлена задержка 0,1–0,4 мс.
В репозитории представлены веса Safetensors и формат ONNX, предназначенный, согласно README, для запуска через ONNX Runtime и WebAssembly. Метаданные указывают архитектурные признаки gated attention и иерархического внимания, однако размер модели и описание входных признаков не приведены. README называет модель BAAR3-guard Ultra, что расходится с идентификатором репозитория BAAR1-guard.
Заявленные сценарии — классификация табличных данных для обнаружения вторжений и применение как компонента защиты API и веб-серверов. Лицензия репозитория — Apache-2.0. Указанные в README показатели производительности не сопровождаются описанием методики измерения; точность и ограничения детектора не приведены.
Сценарии применения
обнаружение сетевых вторжений по табличным признакам
классификация событий безопасности на API-шлюзе
поточная проверка запросов к веб-серверу
встраивание классификатора в систему Zero Trust
Ограничения
README не приводит точность модели, состав входных признаков или методику измерения заявленной задержки. Название модели в README (BAAR3-guard Ultra) расходится с идентификатором репозитория (BAAR1-guard).
Карточка модели
README от автора на Hugging Face, как он его опубликовал