/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
BigScience OpenRAIL-M
Архитектура
roberta · dense
Базовая модель
roberta-base
Опубликована
7 окт 2022

SecureBERT

Заполнение пропусковТекст → текст3 профессии

Англоязычная модель RoBERTa, дообученная на текстах о кибербезопасности для восстановления скрытых слов и адаптации к профильным NLP-задачам.

24 357скачиваний за 30 дней70лайковвеса обновлены1 ноя 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

SecureBERT — англоязычная доменная языковая модель для кибербезопасности, разработанная как вариант RoBERTa и дообученная на большом корпусе текстов по этой тематике. Модель содержит 151,8 млн параметров, использует архитектуру RoBERTa для masked language modeling и принимает контекст длиной до 514 токенов. В репозитории доступны веса PyTorch; лицензия — BigScience OpenRAIL-M.

Основная задача модели — восстановление скрытых слов в англоязычных текстах о кибербезопасности. Её также можно использовать как основу для дообучения классификаторов, систем распознавания сущностей и моделей ответов на вопросы в этой области. В README отмечены результаты выше RoBERTa, SciBERT и SecBERT в masked language modeling на доменных данных.

Из-за специализации на кибербезопасности SecureBERT может уступать универсальным моделям за пределами этой области. Обучающие данные из интернет-источников могут содержать ошибки и устаревшую терминологию; выводы следует проверять, особенно при использовании в критичных системах. Модель предназначена для защитных исследований, но её возможности могут быть использованы и во вредоносных целях.

Сценарии применения

  • восстановление скрытых слов в текстах о кибербезопасности
  • подготовка основы для классификации текстов о киберугрозах
  • дообучение распознаванию сущностей в отчетах об угрозах
  • адаптация для ответов на вопросы по кибербезопасности

Ограничения

Модель может уступать универсальным моделям вне тематики кибербезопасности; обучающие данные могут содержать ошибки и устаревшие сведения. Выводы требуют проверки специалистом, а область применения несёт риск двойного назначения.

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

SecureBERT: A Domain-Specific Language Model for Cybersecurity

SecureBERT is a RoBERTa-based, domain-specific language model trained on a large cybersecurity-focused corpus. It is designed to represent and understand cybersecurity text more effectively than general-purpose models.

SecureBERT was trained on extensive in-domain data crawled from diverse online resources. It has demonstrated strong performance in a range of cybersecurity NLP tasks.
👉 See the presentation on YouTube.
👉 Explore details on the GitHub repository.

image


Applications

SecureBERT can be used as a base model for downstream NLP tasks in cybersecurity, including:

  • Text classification
  • Named Entity Recognition (NER)
  • Sequence-to-sequence tasks
  • Question answering

Key Results

  • Outperforms baseline models such as RoBERTa (base/large), SciBERT, and SecBERT in masked language modeling tasks within the cybersecurity domain.
  • Maintains strong performance in general English language understanding, ensuring broad usability beyond domain-specific tasks.

Using SecureBERT

The model is available on Hugging Face.

Load the Model

from transformers import RobertaTokenizer, RobertaModel
import torch

tokenizer = RobertaTokenizer.from_pretrained("ehsanaghaei/SecureBERT")
model = RobertaModel.from_pretrained("ehsanaghaei/SecureBERT")

inputs = tokenizer("This is SecureBERT!", return_tensors="pt")
outputs = model(**inputs)

last_hidden_states = outputs.last_hidden_state


Masked Language Modeling Example

SecureBERT is trained with Masked Language Modeling (MLM). Use the following example to predict masked tokens:

#!pip install transformers torch tokenizers

import torch
import transformers
from transformers import RobertaTokenizerFast

tokenizer = RobertaTokenizerFast.from_pretrained("ehsanaghaei/SecureBERT")
model = transformers.RobertaForMaskedLM.from_pretrained("ehsanaghaei/SecureBERT")

def predict_mask(sent, tokenizer, model, topk=10, print_results=True):
    token_ids = tokenizer.encode(sent, return_tensors='pt')
    masked_pos = (token_ids.squeeze() == tokenizer.mask_token_id).nonzero().tolist()
    words = []

    with torch.no_grad():
        output = model(token_ids)

    for pos in masked_pos:
        logits = output.logits[0, pos]
        top_tokens = torch.topk(logits, k=topk).indices
        predictions = [tokenizer.decode(i).strip().replace(" ", "") for i in top_tokens]
        words.append(predictions)
        if print_results:
            print(f"Mask Predictions: {predictions}")

    return words

Limitations & Risks

  • Domain-Specific Bias: SecureBERT is trained primarily on cybersecurity-related text. It may underperform on tasks outside this domain compared to general-purpose models.

  • Data Quality: The training data was collected from online sources. As such, it may contain inaccuracies, outdated terminology, or biased representations of cybersecurity threats and behaviors.

  • Potential Misuse: While the model is intended for defensive cybersecurity research, it could potentially be misused to generate malicious text (e.g., obfuscating malware descriptions or aiding adversarial tactics).

  • Not a Substitute for Expertise: Predictions made by the model should not be considered authoritative. Cybersecurity professionals must validate results before applying them in critical systems or operational contexts.

  • Evolving Threat Landscape: Cyber threats evolve rapidly, and the model may become outdated without continuous retraining on fresh data.

  • Users should apply SecureBERT responsibly, keeping in mind its limitations and the need for human oversight in all security-critical applications.

Reference

@inproceedings{aghaei2023securebert, 
title={SecureBERT: A Domain-Specific Language Model for Cybersecurity}, 
author={Aghaei, Ehsan and Niu, Xi and Shadid, Waseem and Al-Shaer, Ehab}, 
booktitle={Security and Privacy in Communication Networks: 
18th EAI International Conference, SecureComm 2022, Virtual Event, October 2022, Proceedings}, 
pages={39--56}, 
year={2023}, 
organization={Springer} 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForMaskedLM
Ревизия весов
3a47918

0 моделей