Классификатор на базе DistilBERT для распознавания фишинговых и спам-SMS, также используемый в исследовании устойчивости к текстовым атакам.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
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.
Описание составлено по карточке модели и метаданным Hugging Face
Модель umayer16/distilbert-phishing-sms-spam — классификатор SMS-сообщений на базе DistilBERT, дообученный на датасете SMS Spam для бинарного распознавания фишинга и спама. Она предназначена для оценки подозрительных сообщений и изучения устойчивости классификаторов к подмене символов-гомоглифов и замене слов синонимами.
Модель использует архитектуру DistilBertForSequenceClassification и принимает текст длиной до 512 токенов. В README указано обучение в течение трёх эпох с AdamW; репозиторий содержит веса в формате safetensors. Базовая модель — distilbert-base-uncased. Лицензия — MIT. В карточке упоминается исследовательская работа об устойчивости классификаторов фишинговой почты, однако конкретные показатели качества здесь не приведены.
README не приводит численные показатели качества модели. Описание обучения связано с датасетом SMS Spam и не подтверждает надёжность на других типах сообщений или против иных атак.
README от автора на Hugging Face, как он его опубликовал
Fine-tuned distilbert-base-uncased for binary phishing/spam classification,
trained on the SMS Spam dataset as part of an empirical study on
adversarial robustness (homoglyph substitution vs. synonym replacement attacks).
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · text-classification
Подбираем GPU…