/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bert-base-uncased
Опубликована
17 дек 2025

bert-phishing-email-detection

Классификация текстаТекст → label3 профессии

Дообученная BERT-модель классифицирует английские письма как фишинговые или легитимные для поддержки фильтрации электронной почты.

232скачиваний за 30 дней1лайквеса обновлены17 дек 2025

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

Модель Divyanshu Chauhan — дообученная версия BERT для бинарной классификации текста электронных писем на легитимные и фишинговые. Она основана на google-bert/bert-base-uncased, содержит 136,7 млн параметров и использует архитектуру BertForSequenceClassification; модель принимает текст и возвращает класс письма. Заявленная область применения — фильтрация фишинговых писем, защита электронной почты, учебные демонстрации и исследования в кибербезопасности.

Модель рассчитана только на английский язык. В README указана максимальная длина обработки 256 токенов с усечением более длинных писем; метаданные указывают родной контекст в 512 токенов. Анализируются только текст тела письма, без заголовков и других метаданных. Автор сообщает о высоких показателях на отложенной выборке, однако результаты не гарантируют точность на других данных. Возможны ложные срабатывания и пропуск фишинговых писем, поэтому результат следует проверять человеком. Лицензия — Apache-2.0.

Сценарии применения

  • выявление фишинговых писем на английском языке
  • фильтрация входящей почты по риску фишинга
  • пометка подозрительных писем в системе электронной безопасности
  • демонстрация бинарной классификации текста в NLP
  • учебные эксперименты по обнаружению фишинга

Ограничения

Поддерживаются только английские письма, причём модель анализирует текст тела без заголовков и метаданных; по README вход ограничивается 256 токенами с усечением длинных писем. Возможны ложные срабатывания и пропуск фишинга, поэтому результат требует проверки человеком.

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

BERT Phishing Email Detection

Model Description

This repository contains a BERT-based phishing email detection model fine-tuned to classify email messages as phishing or legitimate.
The model leverages the contextual understanding capabilities of Transformer architectures to detect phishing patterns such as urgency, social engineering cues, and financial manipulation.

The model is trained on a real-world phishing email dataset and is designed for reliable and high-accuracy email security applications.


Intended Use

Primary Use Cases

  • Phishing email detection
  • Email security filtering
  • Cybersecurity research and education
  • NLP-based text classification demonstrations

Out-of-Scope Use

  • Spam detection unrelated to phishing
  • Multilingual phishing detection (English only)
  • Legal or forensic decision-making without human review

Model Details

  • Model Architecture: BERT (Transformer Encoder)
  • Base Model: bert-base-uncased
  • Task: Binary Text Classification
  • Language: English
  • Labels:
    • LABEL_0 → Legitimate
    • LABEL_1 → Phishing

Training Details

Dataset

  • Source: Kaggle – Phishing Email Dataset
  • Type: Real-world labeled email texts
  • Classes: Legitimate, Phishing

Preprocessing

  • Text cleaning and normalization
  • URL and email masking
  • Length-based truncation (max 256 tokens)
  • Dynamic padding during training

Training Configuration

  • Epochs: 3
  • Batch Size: 16
  • Learning Rate: 2e-5
  • Optimizer: AdamW
  • Hardware: NVIDIA Tesla T4 GPU
  • Precision: FP16 (Mixed Precision)

Evaluation Results

The model achieved strong performance on the held-out test set:

  • Accuracy: ~99%
  • Precision: ~99.5%
  • Recall: ~99.3%
  • F1-score: ~99.4%

High recall ensures that phishing emails are detected with minimal false negatives, which is critical for security-focused applications.


Example Inference

from transformers import BertTokenizer, BertForSequenceClassification
import torch

model = BertForSequenceClassification.from_pretrained(
    "divyanshu-chauhan-7786/bert-phishing-email-detection"
)
tokenizer = BertTokenizer.from_pretrained(
    "divyanshu-chauhan-7786/bert-phishing-email-detection"
)

def predict_email(text):
    inputs = tokenizer(text, return_tensors="pt", truncation=True)
    with torch.no_grad():
        logits = model(**inputs).logits
    return "Phishing" if logits.argmax().item() == 1 else "Legitimate"

predict_email("Urgent! Verify your bank account immediately.")
---

Limitations

  • Emails longer than 256 tokens are truncated, which may result in the loss of some contextual information.
  • Only English-language emails are supported.
  • The model relies solely on the email body text and does not consider email headers or metadata.

Ethical Considerations

  • False positives may lead to legitimate emails being incorrectly flagged as phishing.
  • False negatives may allow phishing emails to bypass detection.
  • The model should be used as a decision-support system and not as a standalone authority for security-critical decisions.

Future Improvements

  • Support for long-context Transformer models such as Longformer and BigBird.
  • Incorporation of email metadata and header information for improved detection accuracy.
  • Extension to multilingual phishing email detection.
  • Deployment as a web-based or API-driven service for real-time use.

Author

Divyanshu Chauhan
AI Engineer | Data Analyst | Machine Learning & Deep Learning

AI and Machine Learning practitioner with hands-on experience in building real-world deep learning and Transformer-based solutions. His work focuses on applying NLP and modern AI techniques to solve practical problems in cybersecurity, data analytics, and intelligent systems.

🔗 Portfolio: https://divyanshu-chauhan-7786.github.io/divyanshu-chauhan/

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
b8ffb9b

0 моделей