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
SecEmbed-small — компактная плотная модель эмбеддингов для кибербезопасности, созданная Alireza Aminzadeh на основе дообучения BAAI/bge-small-en-v1.5. Она предназначена для семантического поиска и сравнения текстов по кибербезопасности: README описывает продолжение обучения на парах secembed-pairs с MultipleNegativesRankingLoss и трудными негативными примерами. В обучающих данных использованы материалы MITRE ATT&CK, Sigma, CVE, CWE и сценарии SOC.
Модель основана на архитектуре BERT, содержит около 40 млн параметров, принимает текст и формирует плотные векторные представления. Контекст ограничен 512 токенами; основным языком является английский. Её можно применять для первичного поиска релевантных записей, например, извлекать кандидатов для последующего ранжирования SecReranker.
Модель распространяется по лицензии MIT. Она рассчитана на специализированные англоязычные материалы по кибербезопасности; качество на других языках и за пределами этой области не подтверждено карточкой модели.
Сценарии применения
Поиск техник MITRE ATT&CK по описанию поведения
Поиск Sigma-правил по тексту обнаруженного события
Поиск релевантных CVE и CWE по описанию уязвимости
Сопоставление SOC-сценария с документами и плейбуками
Извлечение кандидатов для последующего переранжирования SecReranker
Ограничения
Контекст ограничен 512 токенами. Модель обучалась на англоязычных данных по кибербезопасности, поэтому её пригодность для других языков и общих текстов не подтверждена.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель