/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Базовая модель
distilbert-base-uncased
Библиотека
transformers
Опубликована
14 июн 2026

xss-classifier

Классификация текстаТекст → label4 профессии

Дообученный DistilBERT для классификации текстовых входов с целью обнаружения XSS.

18скачиваний за 30 дней1лайквеса обновлены20 июл 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

funmidab/xss-classifier — модель классификации текста на базе DistilBERT, дообученная на наборе данных, название которого в карточке указано как None. Она предназначена для обнаружения XSS в текстовых входах и может использоваться для предварительной проверки строк или фрагментов текста в приложениях безопасности. В README приведены результаты на тестовой выборке: accuracy 0,9984, precision, recall и F1 — 0,9977. Это показатели указанного набора оценки и они сами по себе не гарантируют такое же качество на других данных.

Модель использует DistilBertForSequenceClassification, принимает текст и выдаёт метку классификации. Контекстное окно — 512 токенов; модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не раскрывает состав и разметку датасета, набор классов и подробные ограничения, поэтому перед применением в защите её следует оценить на данных целевого приложения.

Сценарии применения

  • проверка пользовательского ввода на признаки XSS
  • классификация строк и фрагментов текста для фильтра безопасности
  • предварительный отбор подозрительных текстовых запросов
  • оценка текста перед передачей на ручной анализ безопасности

Ограничения

README не описывает датасет, классы, порог классификации или поведение на новых типах атак; приведённые метрики относятся только к указанной оценочной выборке. Контекст ограничен 512 токенами.

Для каких профессий подходит4

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

xss-classifier

This model is a fine-tuned version of distilbert-base-uncased on the None dataset. It achieves the following results on the evaluation set:

  • Loss: 0.0131
  • Accuracy: 0.9984
  • Precision: 0.9977
  • Recall: 0.9977
  • F1: 0.9977

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 2e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • num_epochs: 5

Training results

Training LossEpochStepValidation LossAccuracyPrecisionRecallF1
0.01241.043220.00900.99710.99340.99830.9959
0.00752.086440.01120.99810.99700.99770.9974
0.00773.0129660.01320.99830.99740.99770.9975
0.00204.0172880.01050.99810.99770.99700.9974
0.00005.0216100.01310.99840.99770.99770.9977

Framework versions

  • Transformers 5.13.1
  • Pytorch 2.11.0+cu128
  • Datasets 4.0.0
  • Tokenizers 0.22.2

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DistilBertForSequenceClassification
Ревизия весов
2cc85b4

0 моделей