/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
distilbert · dense
Базовая модель
distilbert-base-uncased
Библиотека
transformers
Опубликована
27 авг 2024

bert-phishing-classifier_student

Классификация текстаТекст → label

Ученическая модель DistilBERT для классификации англоязычных описаний сайтов и выявления фишинга.

9скачиваний за 30 дней0лайковвеса обновлены1 сен 2024

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

shawhin/bert-phishing-classifier_student — компактная модель классификации текста на основе DistilBERT, разработанная как ученическая модель для примера дистилляции знаний. Она дообучена на distilbert/distilbert-base-uncased с использованием shawhin/bert-phishing-classifier_teacher и набора данных shawhin/phishing-site-classification.

Модель предназначена для классификации текстовых описаний сайтов с целью выявления фишинговых ресурсов. В README приведены результаты на тестовой выборке: accuracy 0,9022, precision 0,9426, recall 0,8603 и F1 0,8995. Контекст составляет 512 токенов; доступны веса в формате safetensors. Модель работает с английским текстом.

Модель создана для образовательных целей и может служить примером дистилляции и отправной точкой для экспериментов по обнаружению фишинга. Лицензия Apache-2.0.

Сценарии применения

  • классификация описаний сайтов на фишинговые и легитимные
  • создание учебного примера дистилляции моделей
  • оценка текстовых признаков фишинговых сайтов

Ограничения

README указывает на образовательное назначение; метрики приведены только для тестовой выборки указанного набора данных, а полнота составляет 0,8603.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bert-phishing-classifier_student

This model is modified version of distilbert/distilbert-base-uncased trained via knowledge distillation from shawhin/bert-phishing-classifier_teacher using the shawhin/phishing-site-classification dataset. It achieves the following results on the testing set:

  • Loss (training): 0.0563
  • Accuracy: 0.9022
  • Precision: 0.9426
  • Recall: 0.8603
  • F1 Score: 0.8995

Model description

Student model for knowledge distillation example.

Video | Blog | Example code

Intended uses & limitations

This model was created for educational purposes.

Training and evaluation data

The Training, Testing, and Validation data are available here: shawhin/phishing-site-classification.

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 32
  • eval_batch_size: 32
  • num_epochs: 5
  • temperature: 2.0
  • adam optimizer alpha: 0.5

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
3a1447d

0 моделей