/ Модель

Характеристики

Лицензия
Своя лицензия
Опубликована
9 окт 2026

BAAR4-guard

Классификация таблицTable → label

Модель классифицирует сетевой трафик для обнаружения вторжений, ботнетов, веб-атак и DoS в системах защиты сети.

75скачиваний за 30 дней1лайквеса обновлены10 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

BAAR4-guard Ultra — модель классификации табличных данных для обнаружения сетевых угроз и фильтрации трафика в режиме реального времени. Автор позиционирует её как компонент межсетевого экрана и системы предотвращения вторжений с нулевым доверием, рассчитанный на работу на периферийных устройствах и в средах WebAssembly. По README, модель различает нормальный трафик, разведывательную активность и ботнеты, а также веб-атаки и DoS.

Модель распространяется в форматах ONNX и safetensors; также заявлен компактный FP16 бинарный артефакт для прямого отображения в память. Автор сообщает о времени проверки около 0,8 мс и результатах тестов на устойчивость к возмущениям, однако условия и независимая проверка этих показателей не описаны. README рекомендует настраивать пороги и допустимый уровень ложных срабатываний под конкретную сеть. Лицензия указана как некоммерческая; для коммерческого применения автор предлагает связаться с ним.

Сценарии применения

  • классификация сетевых потоков как нормальных или вредоносных
  • обнаружение порт-сканирования и ботнет-трафика
  • выявление DoS- и DDoS-атак
  • фильтрация трафика в системе предотвращения вторжений
  • проверка пакетов и сессий на периферийном устройстве

Ограничения

Заявленные показатели скорости и обнаружения не сопровождаются подробным описанием тестового набора и независимой проверкой. Перед внедрением требуется настроить пороги под сеть; коммерческое использование ограничено условиями лицензии.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

📌 Model Overview (모델 개요)

BAAR4-guard Ultra is an ultra-fast, in-line edge AI threat detection and firewall engine. The model provides zero-trust packet and session classification with extreme resilience against payload perturbations and evasive botnets, delivering sub-millisecond inference on edge and WASM runtimes.

BAAR4-guard Ultra는 초경량·초저지연 인라인 인공지능 보안 엔진입니다. 패킷 변조 및 AI 기반 우회 공격(Adversarial Evasion)에 대해 높은 방어 복원력을 발휘하며, 오탐(FPR)을 최소화하면서 0.8ms 수준의 인라인 검증 속도를 제공합니다.


🛡️ Defense & Performance Benchmarks (실전 방어 지표)

Validation Setup: Adversarial Perturbation Test | Hardware: PyTorch CUDA & Edge Runtime Export

Class / CategoryClassification TypeDetection Rate (차단율 / 통과율)Error Metric (오류율)Primary Threat Scenarios
Class 0: 정상 트래픽 (Normal Human)Benign Flow99.84% 통과율FPR: 0.16%일반 업무 트래픽, 정상 IoT 통신, 인가된 HTTP/S 플로우
Class 1: AI 정찰 / 봇넷 (Recon/Botnet)Threat Flow100.00% 차단율FNR: 0.00%자율 포트스캔, 취약점 인텔리전스 스캐닝, C2 비콘 통신
Class 2: 웹 공격 / DoS (Web Attack & DoS)Threat Flow100.00% 차단율FNR: 0.00%SYN Flood, ICMP Flood, DrDoS (UDP/NetBIOS/Portmap), Web Exploit
Class 3: 크리덴셜 공격 (Credential Brute-force)Threat Flow99.70% ~ 100.00% 차단율FNR: <= 0.30%계정 탈취 시도, 분산 브루트포스, Credential Stuffing

⚡ 종합 방어 및 견고성 (Robustness)

  • 실전 종합 공격 차단율 (Attack Block Rate): 99.97% ~ 100.00% (미탐률 FNR: 0.00% ~ 0.03%)
  • 패킷 변조 AI 방어력 (Adversarial Robustness): 99.11% ~ 99.58%
  • 정상 트래픽 통과율 (Benign Pass Rate): 99.84% (오탐률 FPR: 0.16%)
  • 최종 검증 복합 점수 (Overall Defense Score): 298.96 / 300.00

⚡ Inference Speed & Runtime Benchmark (추론 벤치마크)

2,000회 연속 단일 패킷/윈도우 판별 벤치마크 결과:

Runtime EngineSingle Inference LatencyModel Binary SizeRuntime Characteristics
ONNX Runtime (CPU/WASM)0.882 ms2.53 MiB크로스 플랫폼, 엔드포인트 Wasm 구동 최적화
비압축 .baar3 Direct Engine1.788 ms1.24 MiBZero-Copy Direct-mmap 바이너리, 최소 메모리 풋프린트

초저지연 인라인 적용: 단일 세션 분석 1ms 미만의 처리 성능을 유지하여 네트워크 병목 현상 없는 투명한 인라인 L7/L4 방화벽 통합이 가능합니다.


📦 Export Formats & Deployment Artifacts (배포 파일 구성)

  • model.safetensors: 고속 로딩 및 보안 검증을 통과한 순수 가중치 텐서 파일
  • model.onnx: WebAssembly, C++, Go 등 에지 런타임 호환 고속 ONNX 그래프 (2.53 MiB)
  • model_guard_ultra_fp16.baar3: Zero-Copy Direct-mmap 기반 FP16 초경량 네이티브 커널 바이너리 (1.24 MiB)
  • config.json: 제로 트러스트 임계치 및 입력 피처 Robust Scaler 메타데이터

📄 License & Commercial Terms (라이선스 및 상업적 도입 안내)

  • Non-Commercial Use Only (비상업적 연구·개인 이용 한정):
    This model is strictly provided for non-commercial, research, and educational purposes only. Any commercial use without a separate commercial agreement is strictly prohibited.
    본 모델은 순수 연구, 교육 및 개인 비영리 목적에 한해서만 무료로 제공됩니다. 사전 허가 없는 일체의 영리적 이용은 엄격히 금지됩니다.

  • Commercial Licensing & Inquiries for Revenue-Generating Entities (매출 발생 기업 및 상용화 도입 문의):
    If your organization generates revenue, or if you plan to incorporate this model into commercial products, services, or paid APIs, you are required to purchase a commercial license. Please contact us directly via email for enterprise licensing and integration support.
    기업/사업체에 매출이 발생하고 있거나, 본 모델을 상용 서비스·유료 제품·수익 창출 목적의 시스템에 도입하고자 하시는 경우 반드시 별도의 상용 라이선스를 취득하셔야 합니다. 도입 조건 및 기업용 라이선스 발급은 아래 이메일로 문의해 주시기 바랍니다.


⚠️ Notes & Disclaimer (기술 고지 및 안내)

  • Defensive Engineering & Evaluation: 본 모델은 인라인 침입 방지 시스템(IPS) 및 제로 트러스트 아키텍처 연구를 위해 제작되었습니다. 실제 운영 네트워크에 배치 시, 조직의 보안 정책에 맞춰 오탐 허용치와 차단 임계값(config.json)을 사전에 조정하여 적용하십시오.

💼 Opportunities & Contact (채용 제안 및 파트너십)

This project demonstrates end-to-end competency in real-time network threat defense, system integration, and ultra-low latency inference packaging (.baar3, ONNX).

I am actively seeking AI Engineering / Security AI Research opportunities, recruitment offers, and technical partnerships.

극단적인 리소스 환경에서도 고속 추론이 가능한 실전 사이버 위협 방어 시스템 및 양자화 바이너리 배포 파이프라인을 직접 구현하는 AI 엔지니어입니다. 기술 도입, 채용 제안 및 협업에 관심 있는 기업과 팀의 문의를 환영합니다.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Табличные модели пока не поддерживаются.

Ревизия весов
798c251

0 моделей