/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
MIT
Архитектура
roberta · dense
Базовая модель
roberta-base
Опубликована
21 апр 2026

roberta-phishing-email-detector

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa классифицирует англоязычные письма для выявления фишинга.

124скачиваний за 30 дней0лайковвеса обновлены30 апр 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

eduardocastellon разработал модель обнаружения фишинговых писем на основе RoBERTa-base, дообученной для классификации текста. Модель принимает текст письма и относит его к классам, заданным при обучении; карточка демонстрирует запуск через pipeline text-classification в Transformers.

Модель обучена на наборе из 284 тысяч писем, собранном из восьми датасетов, включая CEAS_08, Enron, Ling, Nazario, Nigerian_Fraud и SpamAssasin. В README приведены результаты на тестовой выборке: accuracy 99,54% и F1 0,9934; в другом месте карточки указаны accuracy 99,78% и F1 0,9963, поэтому результаты описаны в карточке неоднозначно. Это англоязычная модель с 151,8 млн параметров и контекстом до 514 токенов. Лицензия — MIT.

Сценарии применения

  • проверка входящих писем на фишинг
  • классификация писем для почтового фильтра
  • первичная сортировка подозрительных сообщений
  • анализ писем в системе кибербезопасности

Ограничения

Модель рассчитана на англоязычный текст и ограничена контекстом в 514 токенов. В README приведены расходящиеся значения метрик, а качество на иных данных и в реальных почтовых потоках не подтверждено.

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

RoBERTa Phishing Email Detector

Fine-tuned RoBERTa-base for phishing email detection. Trained on 284k emails. Achieves 99.78% accuracy and 0.9963 F1 on a held-out test set of 21,773 emails.

Evaluation Results

MetricScore
Accuracy99.54%
F1 Score0.9934

Training Data

Trained on 8 datasets totaling 284k emails including CEAS_08, Enron, Ling, Nazario, Nigerian_Fraud, SpamAssasin, and two Kaggle datasets.

Usage

from transformers import pipeline classifier = pipeline("text-classification", model="eduardocastellon/roberta-phishing-email-detector") result = classifier("Click here to claim your prize!") print(result)

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
RobertaForSequenceClassification
Ревизия весов
beea52e

0 моделей