/ Модель

Характеристики

Контекст
514 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
mpnet · dense
Базовая модель
all-mpnet-base-v2
Опубликована
23 июн 2026

cybersec-mpnet-finetuned

ЭмбеддингиТекст → embedding3 профессии

Англоязычная модель эмбеддингов MPNet для семантического поиска и сравнения текстов кибербезопасности.

115скачиваний за 30 дней1лайквеса обновлены23 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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 cybersec-mpnet-finetuned разработана Sindhu S как биэнкодер Sentence Transformer и дообучена на базе sentence-transformers/all-mpnet-base-v2. Она создаёт векторные представления английских предложений и коротких фрагментов кибербезопасности; в метаданных указаны архитектура MPNet, 136,7 млн параметров и контекст до 514 токенов. Для поиска и сравнения текстов можно использовать косинусное сходство.

Модель предназначена для семантического поиска по отчётам об угрозах и базам знаний MITRE ATT&CK, CISA KEV, NVD CVE и NIST SP 800-61, извлечения контекста для RAG, оценки сходства с источниками, а также кластеризации индикаторов компрометации и техник атак. Дообучение выполнено на 2 179 парах из CTI-ATE и CTI-MCQ; автор приводит результаты прокси-оценки поиска и сравнение сходства с источниками.

Обучающие данные в основном охватывают MITRE ATT&CK и CVE, поэтому качество может снижаться в других областях безопасности, например при работе с физической безопасностью или мошенничеством. Для точного ранжирования автор рекомендует дополнительный реранкер: Hit@1 был низким на коллекциях с похожими записями. Лицензия — Apache 2.0.

Сценарии применения

  • семантический поиск по отчётам threat intelligence
  • поиск фрагментов MITRE ATT&CK для RAG
  • извлечение похожих CVE и записей CISA KEV
  • сравнение шагов плана реагирования с цитируемыми источниками
  • кластеризация индикаторов компрометации и техник атак

Ограничения

Обучение преимущественно охватывает MITRE ATT&CK и CVE, поэтому перенос на другие области безопасности может быть слабее. Для коллекций с большим числом похожих записей Hit@1 был низким; для точного ранжирования рекомендуется дополнительный реранкер.

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

cybersec-mpnet-finetuned

A cybersecurity-domain sentence embedding model fine-tuned from sentence-transformers/all-mpnet-base-v2 on 2,179 CTI-Bench training pairs from two sources:

  • CTI-ATE — real threat intelligence report excerpts mapped to MITRE ATT&CK technique descriptions (from the STIX bundle)
  • CTI-MCQ — 2,500 cybersecurity MCQ questions covering ATT&CK, CWE, and CAPEC; 500 held out as evaluation set (before training, to prevent data leakage), 2,000 used for training

Built as part of an Agentic Cybersecurity Threat Intelligence & Incident Response Advisor capstone project — a LangGraph-based pipeline that ingests raw security logs, enriches IoCs via threat feeds (AbuseIPDB, VirusTotal, ThreatFox), maps to MITRE ATT&CK, and generates grounded incident response playbooks.

Requirements

sentence-transformers>=5.5.1

This model was trained with sentence-transformers 5.5.1. Older versions will fail to load due to internal module path changes introduced in 5.5.x. If you see a ModuleNotFoundError: No module named 'sentence_transformers.base' error, upgrade:

pip install "sentence-transformers>=5.5.1"

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("sindsub/cybersec-mpnet-finetuned")

# Encode cybersecurity text
embeddings = model.encode([
    "T1059.001 - PowerShell command execution via encoded payload",
    "Adversary used scheduled task for persistence after initial access",
    "CVE-2024-1234: Remote code execution in Apache HTTP Server",
])

# Semantic similarity
similarity = model.similarity(embeddings[0], embeddings[1])
print(similarity)  # Higher for semantically related CTI text

Intended Use

  • RAG retrieval over MITRE ATT&CK, CISA KEV, NVD CVE, and NIST SP 800-61 knowledge bases
  • Semantic search across threat intelligence documents
  • RAGAS-style faithfulness evaluation — cosine similarity between LLM-generated playbook steps and their cited source passages
  • IoC and technique clustering in threat correlation pipelines

Training Details

ParameterValue
Base modelsentence-transformers/all-mpnet-base-v2
Training setCTI-Bench — 2,179 QA pairs
DomainsMITRE ATT&CK, CVE/CWE, CAPEC, threat intelligence
Loss functionMultipleNegativesRankingLoss (MNRL)
Epochs4
Batch size16
Training loss0.41 → 0.08
HardwareCPU-only

Evaluation Results

Self-retrieval proxy evaluation across four ChromaDB collections (25 chunks sampled per collection, query = chunk's own text):

CollectionHit@1Hit@3Hit@5
MITRE ATT&CK techniques100%100%100%
NVD CVE records0%100%100%
CISA KEV entries0%100%100%
NIST SP 800-61 procedures0%0%100%
Overall25%75%100%

Hit@5 = 1.000 — exceeds the ≥ 0.90 target. Runtime: 100 queries, CPU-only.

RAGAS-style faithfulness (cosine similarity between generated playbook step embeddings and cited source embeddings): 0.548 — a significant improvement over the 0.143 Jaccard score of the base model on the same data.

Model Card

  • Developed by: Sindhu S
  • Model type: Sentence Transformer (bi-encoder)
  • Language: English
  • License: Apache 2.0
  • Parameters: 109M (inherited from all-mpnet-base-v2)
  • Size: ~418 MB (safetensors)

Limitations

  • Fine-tuned on CTI-Bench which is primarily MITRE ATT&CK / CVE focused — may not generalise as well to other security domains (e.g., physical security, fraud)
  • Training was CPU-only with a small batch size; GPU training with larger batches and more epochs may improve quality further
  • Hit@1 is low (25%) for collections with dense, similar entries — a reranker is recommended for precision-critical applications

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MPNetModel
Ревизия весов
b7b4f5d

0 моделей