Характеристики

Контекст: 512 токенов
Лицензия: Apache 2.0
Архитектура: distilbert · dense
Опубликована: 1 июл 2023

Ссылки

bert-network-packet-flow-header-payload

Классификация текстаТекст → label3 профессии

Дообученная DistilBERT-модель классифицирует сетевые пакеты по нормальному трафику и категориям кибератак для обнаружения сетевых угроз.

80скачиваний за 30 дней24лайкавеса обновлены22 июл 2023

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 rdpahalavan/bert-network-packet-flow-header-payload — дообученная версия DistilBERT для классификации сетевых пакетов по типу трафика и угроз. Она относит входные данные к одной из 24 категорий, включая нормальный трафик, сканирование портов, DDoS- и DoS-атаки, ботнеты, эксплойты и различные виды веб-атак. Модель предназначена для анализа сетевого трафика и поддержки систем обнаружения вторжений.

Модель использует архитектуру DistilBERT для классификации последовательностей, принимает текстовое представление пакета или потока и выдаёт метку класса. Контекст ограничен 512 токенами. Опубликована под лицензией Apache-2.0; README указывает на набор данных rdpahalavan/network-packet-flow-header-payload.

Сценарии применения

классификация сетевых пакетов по типу атаки
обнаружение DDoS- и DoS-трафика
выявление сканирования портов и разведки сети
распознавание ботнетов и вредоносного трафика
анализ сетевых потоков для систем обнаружения вторжений

Ограничения

Контекст модели ограничен 512 токенами. Классы и качество предсказаний зависят от обучающего набора сетевых данных; README не приводит оценок качества.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232модели II.7Разработка и данныеDevOps, облако и эксплуатация IT-системAI помогает развёртывать, наблюдать и оптимизировать цифровые системы и облачную инфраструктуру.20 задач7 196моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This model was fine-tuned for classifying a network packet into one of the below categories. For details about the dataset used, visit here.

['Analysis',
 'Backdoor',
 'Bot',
 'DDoS',
 'DoS',
 'DoS GoldenEye',
 'DoS Hulk',
 'DoS SlowHTTPTest',
 'DoS Slowloris',
 'Exploits',
 'FTP Patator',
 'Fuzzers',
 'Generic',
 'Heartbleed',
 'Infiltration',
 'Normal',
 'Port Scan',
 'Reconnaissance',
 'SSH Patator',
 'Shellcode',
 'Web Attack - Brute Force',
 'Web Attack - SQL Injection',
 'Web Attack - XSS',
 'Worms']

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: DistilBertForSequenceClassification
Ревизия весов: 5ab34cc