/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Лицензия
CC BY-NC 4.0
Архитектура
roberta · dense
Базовая модель
SecureBERT
Опубликована
9 авг 2023

SecureBERT_Plus

Заполнение пропусковТекст → текст3 профессии

Англоязычная RoBERTa-модель, дообученная на текстах о кибербезопасности для восстановления скрытых слов и анализа профильных текстов.

652скачиваний за 30 дней17лайковвеса 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 модель RoBERTa для работы с текстами по кибербезопасности, разработанная как улучшенная версия SecureBERT. Она дообучена на корпусе кибербезопасности, который в пять раз больше корпуса предшественника; размер модели — 151,8 млн параметров, контекст — до 514 токенов. Основная задача — восстановление скрытых слов в тексте (masked language modeling), а выходные представления модели также подходят для адаптации к профильным NLP-задачам.

По данным README, SecureBERT+ в среднем на 6% улучшает результаты SecureBERT в masked language modeling. Модель предназначена для анализа и представления англоязычных материалов о кибербезопасности. Она может хуже обобщать на другие предметные области; обучающие данные из открытых источников могут содержать предвзятость, устаревшие сведения и ошибки, а терминология быстро меняется. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией в некоммерческих целях.

Сценарии применения

  • восстановление пропущенных слов в англоязычных текстах о кибербезопасности
  • анализ и векторное представление описаний киберугроз
  • адаптация языковой модели к классификации материалов по кибербезопасности
  • подготовка эмбеддингов для поиска по англоязычной документации по безопасности

Ограничения

Модель ориентирована на тексты о кибербезопасности и может хуже работать в других областях. Обучающие данные могут содержать предвзятость, ошибки или устаревшую информацию; без обновления модель может отставать от изменений в ландшафте угроз.

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+

SecureBERT+ is an enhanced version of SecureBERT, trained on a corpus five times larger than its predecessor and leveraging the computational power of 8×A100 GPUs.

This model delivers an average 6% improvement in Masked Language Modeling (MLM) performance compared to SecureBERT, representing a significant advancement in language understanding and representation within the cybersecurity domain.


Dataset

SecureBERT+ was trained on a large-scale corpus of cybersecurity-related text, substantially expanding the coverage and depth of the original SecureBERT training data.

dataset


Using SecureBERT+

SecureBERT+ is available on the Hugging Face Hub.

Load the Model

from transformers import RobertaTokenizer, RobertaModel
import torch

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

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

last_hidden_states = outputs.last_hidden_state

Masked Language Modeling Example

Use the code below to predict masked words in text:

#!pip install transformers torch tokenizers

import torch
import transformers
from transformers import RobertaTokenizerFast

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

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 Scope: SecureBERT+ is optimized for cybersecurity text and may not generalize as well to unrelated domains.

Bias in Training Data: The training corpus was collected from online sources and may contain biases, outdated knowledge, or inaccuracies.

Potential Misuse: While designed for defensive research, the model could be misapplied to generate adversarial content or obfuscate malicious behavior.

Resource-Intensive: The larger dataset and model training process require significant compute resources, which may limit reproducibility for smaller research teams.

Evolving Threats: The cybersecurity landscape evolves rapidly. Without regular retraining, the model may not capture emerging threats or terminology.

Users should apply SecureBERT+ responsibly, with appropriate oversight from cybersecurity professionals.

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
85a7ab3

0 моделей