II.11Кибербезопасность и приватность

NetrAI-L3 — доменно адаптированная языковая модель для задач кибербезопасности, созданная дообучением meta-llama/Llama-3.2-3B-Instruct с помощью LoRA. Итоговая объединённая модель представлена в формате SafeTensors; архитектура — плотная LlamaForCausalLM с 3,2 млрд параметров и контекстом до 131 072 токенов. Модель предназначена для объяснения оповещений Suricata, интерпретации событий SIEM, контекстуализации телеметрии безопасности и поддержки рабочих процессов SOC. Она генерирует текстовые ответы в диалоговом формате и может помогать аналитикам разбирать события и формулировать рекомендации. Модель не заменяет SIEM, XDR или платформы реагирования на инциденты. Результаты зависят от контекста запроса и требуют проверки квалифицированными специалистами по безопасности. Лицензия — Llama 3.

Гибридный автоэнкодер CNN-BiLSTM разработчика Akwan Cakra Tajimalela предназначен для обнаружения аномалий и вторжений в сетевом трафике. Одномерные свёрточные слои извлекают признаки из сетевых потоков, а двунаправленные LSTM учитывают последовательность потоков. Модель принимает окна из 10 потоков, каждый описан 25 признаками, и восстанавливает входные данные; средняя абсолютная ошибка реконструкции используется как оценка аномальности. Модель обучалась в три этапа: на benign-потоках CIC-IDS 2017, затем с адаптацией к CSE-CIC-IDS 2018 и, наконец, с адаптацией декодеров на 24 часах реального benign-трафика. В карточке приведены два порога тревоги и показатели ложных срабатываний на реальной benign-выборке. Для применения нужны веса модели и параметры предобработки scaler_params.pkl; заявлены TensorFlow и Keras. Лицензия — MIT.

Это конвертированная в формат MLX версия OpenAI Privacy Filter от OpenAI, подготовленная mlx-community. Модель выполняет классификацию токенов и размечает в тексте фрагменты с персональными данными: имена, адреса электронной почты, телефоны, URL, адреса, даты, номера счетов и секреты. Для разметки используются BIOES-метки по восьми категориям. Модель основана на разреженной архитектуре MoE с 1,5 млрд параметров и 50 млн активных параметров; метаданные каталога указывают 145,4 млн параметров. Контекст составляет до 131 072 токенов. Она предназначена для локальной фильтрации текста и маскирования обнаруженных PII. Репозиторий распространяется по лицензии Apache-2.0. Карточка описывает работу с MLX, поэтому применение ориентировано на экосистему Apple Silicon.

mlx-community/openai-privacy-filter-nvfp4 — конверсия модели OpenAI Privacy Filter в формат MLX, подготовленная сообществом mlx-community. Это двунаправленный разреженный MoE-классификатор токенов, который размечает фрагменты с персональными данными в тексте BIOES-метками по восьми категориям: имя человека, электронная почта, телефон, URL, адрес, дата, номер счёта и секрет. Модель предназначена для обнаружения PII при локальной фильтрации и маскировании текста. Модель содержит 145,4 млн параметров по метаданным каталога; README указывает для исходной модели 1,5 млрд параметров, из которых активно используются 50 млн. Контекстное окно — 131 072 токена. Репозиторий распространяет веса в safetensors для библиотеки MLX. Лицензия — Apache-2.0. Карточка не описывает качество распознавания и точность на разных языках, поэтому результаты следует проверять на данных целевого применения.

PasteProof PII Detector — модель на базе ModernBERT, дообученная автором joneauxedgar для обнаружения и разметки персональных данных и секретов в тексте. Она выполняет NER с классификацией токенов и распознаёт 27 типов сущностей, включая платёжные данные, учётные данные и медицинские идентификаторы. Модель предназначена для предупреждений перед вставкой чувствительных данных в браузерные формы, чаты и публичные репозитории, а также для проверки кода, документов и потоков данных. В карточке заявлен F1 0,972 на отложенной выборке; обучение проводилось на 150 тысячах синтетических примеров. Метаданные указывают архитектуру ModernBERT, 149 млн параметров и контекст до 8192 токенов, тогда как README сообщает ограничение в 512 токенов — фактический рабочий предел следует проверять при использовании. Обучающие данные англоязычные; модель может пропускать обфусцированные значения, новые форматы ключей и чувствительные сущности, распознаваемые только по контексту, а также давать ложные срабатывания на случайных строках и тестовых данных. Это вспомогательный детектор, а не гарантия безопасности. Лицензия — Business Source License 1.0 (BSL-1.0).

aule13/pii-guard-distilbert — дообученная мультиязычная модель DistilBERT для обнаружения персональных данных в русском тексте. Она выполняет разметку токенов в формате BIO и распознаёт 21 тип сущностей; автор README сообщает о F1 0,9938 на pii_benchmark. Модель предназначена для извлечения имён и других персональных данных при проверке текстов на наличие PII, в том числе в сценариях, связанных с требованиями 152-ФЗ. Её можно запускать локально через Transformers, чтобы обрабатывать данные внутри собственного периметра. Архитектура — DistilBERT для классификации токенов, максимальный контекст — 512 токенов; в метаданных указаны русский и английский языки. Репозиторий содержит веса в формате safetensors. Модель выпущена под лицензией MIT. Результат F1 приведён для pii_benchmark; README не уточняет состав и условия этого бенчмарка, поэтому показатель не гарантирует аналогичное качество на других данных. Для практического применения стоит проверять полноту обнаружения и точность разметки на целевых текстах.

PII-JA-Detection — модель для обнаружения персональных данных в японском тексте. Она выполняет токенную классификацию с BIO-разметкой и поддерживает 18 типов PII, включая имена людей, названия организаций и телефонные номера. Модель основана на tohoku-nlp/bert-base-japanese и экспортирована в формат ONNX для запуска через ONNX Runtime. Размер составляет 137,8 млн параметров, максимальная длина контекста — 512 токенов; входом служат токенизированные текстовые последовательности, выходом — оценки по 37 меткам BIO. Модель подходит для выделения и последующей маскировки персональных данных в японских документах и текстовых сообщениях. Лицензия — Apache-2.0.,

Модель hiteshwadhwani/pii-model-indicv2 — дообученная модель классификации токенов для выявления персональных данных (PII) в английском и индийских языках. Она создана на базе ai4bharat/IndicBERTv2-MLM-only и предназначена для обнаружения и последующего маскирования имён, адресов, телефонов, электронной почты и других типов чувствительных данных. Модель принимает текст на английском, хинди письмом деванагари, хинглиш и в смешанном написании деванагари и английского; поддерживает 31 тип сущностей. Архитектура — BERT для классификации токенов, размер — 305,2 млн параметров, контекст — до 512 токенов. В карточке указаны общий F1 0,9497, точность 0,9464 и полнота 0,9530. Модель подходит для проверки текстов перед сохранением или передачей, а также для автоматизированной редакции документов и сообщений. Качество ниже для сущности SEX и адресов типа SECONDARYADDRESS; задержка выше, чем у IndicBERT v1. Лучше всего модель подходит для индийских и американских шаблонов персональных данных. Лицензия — Apache-2.0.

PII-Tracer-MLX — версия детектора персональных данных PII-Tracer в формате MLX, подготовленная Perplexity AI для работы с MLX. Это модель для обнаружения и маскирования персональных данных в разговорных текстах. В основе — двунаправленный энкодер Qwen3 примерно на 600 млн параметров с backbone perplexity-ai/pplx-embed-v1-0.6b и двумя выходными головами: классификатор токенов с BIOES-разметкой девяти категорий PII и классификатор чувствительности диалога. Для декодирования меток токенов используется ограниченный алгоритм Витерби. Линейные проекции backbone квантизованы до 8 бит с размером группы 64; эмбеддинги и нормализационные веса хранятся в bf16, а обе головы — в fp32. Конфигурация задаёт предел в 4096 токенов. Репозиторий содержит веса и конфигурацию, но не реализацию модели или скрипт загрузки: для инференса нужна совместимая реализация двунаправленного энкодера Qwen3 и голов в MLX. Лицензия — MIT.

pplx-pii-masking-MLX — это версия весов в формате MLX модели pplx-pii-masking, разработанной Perplexity AI для обнаружения и маскирования персональных и других чувствительных данных в разговорных данных. Модель предназначена для задач token classification и оценки чувствительности беседы, включая обработку текстов перед их сохранением, анализом или передачей в другие системы. В основе используется двунаправленный энкодер Qwen3 примерно на 600 млн параметров с backbone perplexity-ai/pplx-embed-v1-0.6b и лимитом контекста 4096 токенов. Модель поддерживает английский и мультиязычный ввод. Голова классификации токенов с 37 выходами использует BIOES-разметку для девяти категорий PII: имя человека, номер счёта, URL, дата, адрес, электронная почта, телефон, прочие персональные данные и секреты. Дополнительная голова оценивает чувствительность всей беседы. Линейные проекции backbone квантизованы до 8-битного affine-формата с размером группы 64; эмбеддинги и веса нормализации имеют формат bf16, а обе головы — fp32. Размер файла весов составляет около 779 МБ. К сильным сторонам относятся специализированное выделение PII, constrained Viterbi-декодирование BIOES-меток, отображение найденных фрагментов на символьные позиции и возможность запуска через MLX на Apple Silicon. Репозиторий содержит веса и конфигурацию, но не включает реализацию модели или загрузочный скрипт, поэтому для инференса потребуется совместимая реализация двунаправленного Qwen3-энкодера, квантизованных проекций и обеих голов. Документы длиннее 4096 токенов необходимо разбивать на части. Модель распространяется по лицензии MIT.

Карточка модели perplexity-ai/pplx-pii-masking-vllm на Hugging Face совпадает с карточкой perplexity-ai/pplx-pii-masking-vllm-tmp, поэтому описание составлено по ней. Это преобразованная для обслуживания через vLLM версия модели Perplexity AI pplx-pii-masking. Она использует плотную архитектуру Qwen3ForTokenClassification с 507,9 млн параметров и принимает текст, присваивая токенам BIOES-метки для обнаружения имён людей, адресов электронной почты и телефонов, адресов, URL, дат, номеров счетов, секретов и других персональных данных. Дополнительный выход оценивает чувствительность последовательности. Модель поддерживает английский и демонстрирует работу на немецком; контекст по метаданным — 32 768 токенов. Веса перенесены без переобучения и квантизации: изменены формат упаковки и структура голов для совместимости с vLLM. Проверки в карточке показывают совпадение меток с исходной моделью на приведённых примерах. Для декодирования меток и оценки чувствительности нужны сырые логиты без активации. Токенизатор обрезает входы длиннее 4096 токенов, поэтому длинный текст следует обрабатывать частями; границы найденных фрагментов могут не точно совпадать с границами символов, а оценку чувствительности рекомендуется калибровать перед использованием как порога. У репозитория указана лицензия other; карточка сообщает, что модель приватна и ожидает синхронизации с официальным выпуском.

Это преобразованная для обслуживания через vLLM версия модели Perplexity AI pplx-pii-masking. Она использует плотную архитектуру Qwen3ForTokenClassification с 507,9 млн параметров и принимает текст, присваивая токенам BIOES-метки для обнаружения имён людей, адресов электронной почты и телефонов, адресов, URL, дат, номеров счетов, секретов и других персональных данных. Дополнительный выход оценивает чувствительность последовательности. Модель поддерживает английский и демонстрирует работу на немецком; контекст по метаданным — 32 768 токенов. Веса перенесены без переобучения и квантизации: изменены формат упаковки и структура голов для совместимости с vLLM. Проверки в карточке показывают совпадение меток с исходной моделью на приведённых примерах. Для декодирования меток и оценки чувствительности нужны сырые логиты без активации. Токенизатор обрезает входы длиннее 4096 токенов, поэтому длинный текст следует обрабатывать частями; границы найденных фрагментов могут не точно совпадать с границами символов, а оценку чувствительности рекомендуется калибровать перед использованием как порога. У репозитория указана лицензия other; карточка сообщает, что модель приватна и ожидает синхронизации с официальным выпуском.

Карточка модели matterinys/privacy-filter на Hugging Face совпадает с карточкой openai/privacy-filter, поэтому описание составлено по ней. OpenAI Privacy Filter — модель OpenAI для обнаружения и маскирования персональных данных в тексте. Она предназначена для высокопроизводительной очистки данных, в том числе в локальных и браузерных сценариях, и может дообучаться под особенности данных организации. Лицензия Apache 2.0 допускает коммерческое использование. Модель выполняет двунаправленную классификацию токенов и выделяет связные фрагменты в одном проходе. Архитектура — разреженный MoE-трансформер с 8 блоками, шириной скрытого представления 640 и 128 экспертами, из которых на токен выбираются 4. Модель возвращает BIOES-разметку для восьми категорий: номера счетов, частные адреса, электронные адреса, имена людей, телефоны, URL, даты и секреты. В метаданных указано 145,4 млн параметров и контекст 131 072 токена; README заявляет окно до 128 000 токенов. Доступны форматы Safetensors и ONNX. Модель подходит для предварительной фильтрации текстов перед хранением, передачей или дальнейшей обработкой. Пороговые режимы позволяют настраивать компромисс между точностью и полнотой обнаружения. Это вспомогательное средство минимизации данных, а не гарантия анонимизации или соответствия требованиям. Набор меток фиксирован, для изменения политики нужно дообучение; качество может снижаться на неанглийских текстах, нелатинских письменностях и данных вне обучающего распределения. В чувствительных областях возможны как пропуски, так и избыточное маскирование.

Карточка модели RedHatAI/privacy-filter на Hugging Face совпадает с карточкой openai/privacy-filter, поэтому описание составлено по ней. OpenAI Privacy Filter — модель OpenAI для обнаружения и маскирования персональных данных в тексте. Она предназначена для высокопроизводительной очистки данных, в том числе в локальных и браузерных сценариях, и может дообучаться под особенности данных организации. Лицензия Apache 2.0 допускает коммерческое использование. Модель выполняет двунаправленную классификацию токенов и выделяет связные фрагменты в одном проходе. Архитектура — разреженный MoE-трансформер с 8 блоками, шириной скрытого представления 640 и 128 экспертами, из которых на токен выбираются 4. Модель возвращает BIOES-разметку для восьми категорий: номера счетов, частные адреса, электронные адреса, имена людей, телефоны, URL, даты и секреты. В метаданных указано 145,4 млн параметров и контекст 131 072 токена; README заявляет окно до 128 000 токенов. Доступны форматы Safetensors и ONNX. Модель подходит для предварительной фильтрации текстов перед хранением, передачей или дальнейшей обработкой. Пороговые режимы позволяют настраивать компромисс между точностью и полнотой обнаружения. Это вспомогательное средство минимизации данных, а не гарантия анонимизации или соответствия требованиям. Набор меток фиксирован, для изменения политики нужно дообучение; качество может снижаться на неанглийских текстах, нелатинских письменностях и данных вне обучающего распределения. В чувствительных областях возможны как пропуски, так и избыточное маскирование.

Карточка модели aria220/privacy-filter-multilingual на Hugging Face совпадает с карточкой OpenMed/privacy-filter-multilingual, поэтому описание составлено по ней. OpenMed разработала privacy-filter-multilingual — многоязычную модель для извлечения и разметки фрагментов с персональными данными в тексте. Это полноценно дообученная модель OpenAI Privacy Filter с архитектурой MoE и классификационной BIOES-разметкой токенов. Она распознаёт 54 категории PII, преобразованные в 217 меток BIOES, и предназначена для последующего маскирования или обезличивания текста. Модель рассчитана на арабский, бенгальский, китайский, нидерландский, английский, французский, немецкий, хинди, итальянский, японский, корейский, португальский, испанский, телугу, турецкий и вьетнамский языки. Она подходит для поиска персональных данных в документах и сообщениях, подготовки текста к передаче или хранению и интеграции в конвейеры защиты данных. Размер модели по метаданным — 145,4 млн параметров; нативный контекст — 131 072 токена. Качество распознавания неодинаково: авторы отмечают лучшие результаты для немецкого, испанского, французского, итальянского, хинди, телугу и английского; китайский, японский, корейский и некоторые языки с низким ресурсом остаются сложнее. Обучающие наборы синтетические, поэтому реальные медицинские, юридические и веб-тексты могут отличаться от обучающих примеров. Модель не предназначена специально для клинических медицинских данных и не заменяет проверку соответствия требованиям законодательства. Лицензия — Apache-2.0.

Карточка модели EdgeAIMed/privacy-filter-multilingual на Hugging Face совпадает с карточкой OpenMed/privacy-filter-multilingual, поэтому описание составлено по ней. OpenMed разработала privacy-filter-multilingual — многоязычную модель для извлечения и разметки фрагментов с персональными данными в тексте. Это полноценно дообученная модель OpenAI Privacy Filter с архитектурой MoE и классификационной BIOES-разметкой токенов. Она распознаёт 54 категории PII, преобразованные в 217 меток BIOES, и предназначена для последующего маскирования или обезличивания текста. Модель рассчитана на арабский, бенгальский, китайский, нидерландский, английский, французский, немецкий, хинди, итальянский, японский, корейский, португальский, испанский, телугу, турецкий и вьетнамский языки. Она подходит для поиска персональных данных в документах и сообщениях, подготовки текста к передаче или хранению и интеграции в конвейеры защиты данных. Размер модели по метаданным — 145,4 млн параметров; нативный контекст — 131 072 токена. Качество распознавания неодинаково: авторы отмечают лучшие результаты для немецкого, испанского, французского, итальянского, хинди, телугу и английского; китайский, японский, корейский и некоторые языки с низким ресурсом остаются сложнее. Обучающие наборы синтетические, поэтому реальные медицинские, юридические и веб-тексты могут отличаться от обучающих примеров. Модель не предназначена специально для клинических медицинских данных и не заменяет проверку соответствия требованиям законодательства. Лицензия — Apache-2.0.

OpenMed разработала privacy-filter-multilingual — многоязычную модель для извлечения и разметки фрагментов с персональными данными в тексте. Это полноценно дообученная модель OpenAI Privacy Filter с архитектурой MoE и классификационной BIOES-разметкой токенов. Она распознаёт 54 категории PII, преобразованные в 217 меток BIOES, и предназначена для последующего маскирования или обезличивания текста. Модель рассчитана на арабский, бенгальский, китайский, нидерландский, английский, французский, немецкий, хинди, итальянский, японский, корейский, португальский, испанский, телугу, турецкий и вьетнамский языки. Она подходит для поиска персональных данных в документах и сообщениях, подготовки текста к передаче или хранению и интеграции в конвейеры защиты данных. Размер модели по метаданным — 145,4 млн параметров; нативный контекст — 131 072 токена. Качество распознавания неодинаково: авторы отмечают лучшие результаты для немецкого, испанского, французского, итальянского, хинди, телугу и английского; китайский, японский, корейский и некоторые языки с низким ресурсом остаются сложнее. Обучающие наборы синтетические, поэтому реальные медицинские, юридические и веб-тексты могут отличаться от обучающих примеров. Модель не предназначена специально для клинических медицинских данных и не заменяет проверку соответствия требованиям законодательства. Лицензия — Apache-2.0.

LocalAI-io/privacy-filter-multilingual-GGUF — это GGUF-версия мультиязычной модели классификации токенов для обнаружения персональных и других чувствительных данных (PII). Модель разработана OpenMed как дообученная версия openai/privacy-filter, а данный репозиторий содержит её локально запускаемую упаковку GGUF, ориентированную на использование с privacy-filter.cpp и LocalAI. Модель не предназначена для диалога или генерации текста: она размечает каждый токен тегами BIOES и возвращает позиции обнаруженных сущностей, чтобы служить уровнем NER в системах маскирования и редактирования PII. Модель поддерживает 54 категории PII, представленные 217 классами, и 16 языков: арабский, бенгальский, немецкий, английский, испанский, французский, хинди, итальянский, японский, корейский, нидерландский, португальский, телугу, турецкий, вьетнамский и китайский. Используется специальная архитектура openai-privacy-filter; доступны варианты F16 размером около 2,7 ГБ и Q8_0 размером около 1,6 ГБ, в котором основные веса MoE-кспертов квантизированы, а attention, embeddings и классификационная голова сохранены в F16. Q8_0 уменьшает требования к памяти и обычно немного ускоряет работу на CPU, но может снижать точность. Для запуска рекомендуется privacy-filter.cpp с поддержкой CPU, CUDA и Vulkan либо LocalAI с backend privacy-filter. Стандартные llama.cpp, llama-cpp-python, Ollama и LM Studio без специальных патчей эту модель не загрузят. F16 считается предпочтительным вариантом для максимальной надёжности; результаты Q8_0 следует проверять на собственных данных, особенно для редких форматов PII и языков, поскольку заявленная проверка совпадения с F16 проводилась на одном англоязычном документе. Модель распространяется по лицензии Apache-2.0.

privacy-filter-nemotron-GGUF — это GGUF-версия модели OpenMed/privacy-filter-nemotron, разработанная на основе openai/privacy-filter и дообученная на наборе данных NVIDIA Nemotron-PII. Пакет подготовлен LocalAI-io для локального обнаружения и классификации персональных данных, а не для генерации текста или ведения диалогов. Модель выполняет token classification: размечает токены BIOES-тегами и выделяет согласованные сущности с помощью ограниченного Viterbi-декодирования. Она поддерживает 55 детализированных категорий PII, всего 221 класс, включая имена, государственные идентификаторы, финансовые, медицинские, автомобильные и цифровые данные. Основной язык — английский. Используется специальная архитектура openai-privacy-filter; доступны варианты F16 размером 2,82 ГБ и смешанный Q8_0 размером 1,64 ГБ, в котором MoE-эксперты квантизованы, а attention, embeddings и classifier head сохранены в F16. Модель подходит для локального PII-детектора и сервисов редактирования или маскирования конфиденциальных данных, в том числе через privacy-filter.cpp и LocalAI. F16 является эталонным вариантом, тогда как Q8_0 требует меньше памяти и обычно немного быстрее, но может изменить отдельные предсказания. Для работы необходим runtime с поддержкой custom architecture openai-privacy-filter: рекомендуются privacy-filter.cpp или backend privacy-filter в LocalAI. Стандартные llama.cpp, llama-cpp-python, Ollama и LM Studio без специальных патчей этот файл не загрузят. Лицензия — Apache-2.0.

RavenX-Sec-8B-GGUF — специализированная языковая модель для кибербезопасности, разработанная @DeadByDawn101 и RavenX LLC. Это GGUF-версия модели RavenX-Sec Qwen3-8B v4.0, созданная на базе georgehenney/Qwen3-8B-heretic (abliterated) и дообученная для анализа полного жизненного цикла уязвимостей: поиска, классификации, оценки, исправления, проверки, документирования и предотвращения. Модель предназначена для пентестинга, red team-операций, bug bounty, анализа CVE и подготовки отчётов по безопасности. Модель использует архитектуру Qwen3-8B, поддерживает генерацию текста на английском языке и контекст до 128K токенов благодаря YaRN rope scaling с фактором 4.0. Обучение выполнено методом MLX LoRA на 610 220 примерах из 21 источника; заявлены специализация на security-контенте, поддержка CVSS 3.1, NIST CSF 2.0, OWASP Top 10, CWE, MITRE ATT&CK, PCI DSS, HIPAA и SOX, а также возможности agent/tool-calling. Ключевой подход модели — 6-шаговый протокол RATH: Risk/Identify, Assessment, Threat, Remediate, Document и Prevent. Модель доступна в формате GGUF и предназначена для запуска через Ollama, llama.cpp и LM Studio. Доступны варианты квантования Q4_K_M, Q5_K_M, Q8_0 и F16; размер файлов составляет примерно от 4,7 до 15,3 ГБ. Сильные стороны — узкая специализация на задачах безопасности, большой контекст и структурированный анализ уязвимостей. Ограничения включают англоязычную направленность, зависимость качества от выбранного квантования и необходимость проверять рекомендации перед применением в реальных системах. Лицензия — Apache-2.0.

Redact — разработанная Desert Ant Labs мультиязычная модель для обнаружения и маскирования персональных данных прямо на устройстве. Она размечает текстовые токены как имена, адреса, электронную почту, телефоны, платёжные и государственные идентификаторы; для структурированных идентификаторов применяется дополнительный детерминированный слой. Метаданные указывают архитектуру BERT для классификации токенов, 26,2 млн параметров и контекст до 512 токенов. Доступны сборки Core ML и LiteRT/TFLite для мобильных, настольных и веб-сценариев. Модель предназначена для удаления PII из текста перед отправкой в облачные сервисы или передачи другим системам. README заявляет поддержку 27 языков, включая все официальные языки ЕС и норвежский букмол, нюнорск и исландский; качество неодинаково: крупные языки ЕС распознаются лучше, а мальтийский и ирландский — слабее. В приведённых тестах указаны полнота 88,8% и точность 99,6%, при этом обычный текст часто остаётся нетронутым. Лицензия в метаданных обозначена как other; конкретные условия использования в доступных сведениях не раскрыты.

eduardocastellon разработал модель обнаружения фишинговых писем на основе RoBERTa-base, дообученной для классификации текста. Модель принимает текст письма и относит его к классам, заданным при обучении; карточка демонстрирует запуск через pipeline text-classification в Transformers. Модель обучена на наборе из 284 тысяч писем, собранном из восьми датасетов, включая CEAS_08, Enron, Ling, Nazario, Nigerian_Fraud и SpamAssasin. В README приведены результаты на тестовой выборке: accuracy 99,54% и F1 0,9934; в другом месте карточки указаны accuracy 99,78% и F1 0,9963, поэтому результаты описаны в карточке неоднозначно. Это англоязычная модель с 151,8 млн параметров и контекстом до 514 токенов. Лицензия — MIT.

SCAMBERT — модель классификации текста на базе DistilBERT, дообученная ThunderCrown для выявления мошеннических SMS и коротких сообщений. Она размечает текст двумя классами: безопасное сообщение и мошенничество, включая фишинг и финансовый обман. Модель предназначена для использования как дополнительный семантический слой в системе обнаружения угроз, например для анализа SMS и коротких сообщений, когда простых правил и регулярных выражений недостаточно. Модель поддерживает английский язык и принимает текст длиной до 512 токенов. В карточке описаны результаты проверки на наборе из 8 438 примеров и устойчивость к некоторым вариантам маскировки ссылок, заменам символов цифрами и необычному регистру. Очень коротким сообщениям без контекста, например «Call me now», может быть трудно присвоить надёжную метку. Указана лицензия MIT либо лицензия проекта; точные условия следует сверить с опубликованными файлами лицензии репозитория.

SecReranker — специализированный для кибербезопасности кросс-энкодерный реранкер, дообученный разработчиком alirezaaminzadeh на контрастивных парах SecEmbed. Модель основана на cross-encoder/ms-marco-MiniLM-L-6-v2 и использует архитектуру BERT с классификационной головой; содержит 25,9 млн параметров и принимает пары текстов с контекстом до 512 токенов. Модель предназначена для переупорядочивания результатов поиска по базам знаний о безопасности: ATT&CK, Sigma, CVE, CWE и SOC-плейбукам. Её можно применять в RAG-системах, поиске threat intelligence, обогащении SOC-оповещений и сопоставлении похожих уязвимостей или техник атак. README описывает обучение с hard negatives, включая похожие техники ATT&CK, CVE с одинаковым CWE и нерелевантные правила Sigma. Для использования весов указана лицензия MIT. Модель обучалась на парной классификации для реранжирования; README отмечает, что для retrieval@k предусмотрен каскад с bi-encoder. Поддержка английского языка указана в метаданных.

CrabInHoney/urlbert-tiny-v4-malicious-url-classifier — компактная модель BERT, разработанная CrabInHoney и дообученная на базе CrabInHoney/urlbert-tiny-base-v4 для классификации URL по четырём категориям: безопасные ссылки, фишинг, вредоносное ПО и дефейсмент сайтов. Она предназначена для проверки ссылок в системах кибербезопасности и автоматической сортировки URL по типу угрозы. Модель принимает текст URL и выдаёт метки классов с оценками вероятности. В метаданных указаны 4,8 млн параметров и контекст до 64 токенов; README сообщает о 3,69 млн параметров. Для оценки на тестовой выборке автор приводит точность 0,9922 и F1 0,9955 для безопасных ссылок и 0,9984 для дефейсмента. Модель ориентирована на англоязычные URL; лицензия — Apache-2.0. Результаты зависят от тестовых данных и не гарантируют обнаружения новых или изменившихся угроз. Классификатор ограничен четырьмя заявленными категориями и не заменяет дополнительную проверку ссылок.

AIguard-0.6B-PII-Chinese — модель классификации токенов для выявления и извлечения 21 категории персональных данных в китайскоязычных текстах. Она дообучена разработчиками проекта ZJUICSR на базе Qwen3-0.6B и рассчитана на защиту конфиденциальности, проверку соответствия требованиям и подготовку данных к обезличиванию. Модель использует архитектуру Qwen3 с плотными весами, содержит около 507,9 млн параметров и принимает текстовые последовательности. В README рекомендовано разбивать длинные входы на фрагменты до 512 токенов, хотя контекст модели составляет 40 960 токенов. В карточке заявлены entity-level F1 96,29% и 21 тип чувствительных сущностей; обучение проводилось на синтетических примерах с ручной проверкой и охватывало несколько сфер повседневной жизни. Модель подходит для поиска утечек PII в диалогах и журналах, извлечения персональных данных из документов и последующего маскирования. Она обучена для китайского языка. Лицензия — Apache-2.0. Качество на реальных данных может отличаться от результатов тестирования на синтетических примерах. Для номера отслеживания YTO авторы отмечают низкую полноту и рекомендуют дополнительную проверку правилами; модель также не гарантирует выявление поддельных или изменённых идентификационных данных, а результаты в важных сценариях следует проверять вручную.

Это англоязычная модель Sentence Transformer, дообученная на базе BAAI/bge-large-en-v1.5 для поиска релевантных фрагментов, в том числе описаний уязвимостей CVE. Она кодирует предложения и абзацы в плотные векторы размерностью 1024; сходство между текстами можно оценивать косинусной мерой. Архитектура состоит из BERT, пулинга по CLS-токену и нормализации векторов. Модель принимает текст и предназначена для семантического поиска и сопоставления запросов с документами. README указывает максимальную длину последовательности 256 токенов, а метаданные — контекст до 512 токенов. Для обучения использовалась выборка из 861 607 пар anchor-positive с MultipleNegativesRankingLoss. Репозиторий создан 25 июня 2026 года; веса доступны в формате safetensors. Модель ориентирована на англоязычные тексты и специализируется на тематике уязвимостей и безопасности Linux. Лицензия в предоставленных данных не указана.

Bolt CLS PII — англоязычный бинарный классификатор текста от AI Squared для выявления вероятного наличия персональных данных в тексте запросов. Модель предназначена для предварительной фильтрации в конвейере безопасности: она присваивает тексту оценку, по которой можно направить подозрительный запрос на дополнительную проверку. Также её можно применять отдельно, когда достаточно бинарного флага о возможном наличии PII. Модель построена на ModernBERT-base с архитектурой ModernBertForSequenceClassification: базовые веса заморожены, обучалась только классификационная голова. Максимальная длина входа — 8192 токена. Обучение использовало взвешенную focal loss с повышенным весом положительного класса, чтобы увеличить полноту обнаружения. В README рекомендован порог 0,5238 для самостоятельной классификации и более низкий порог 0,10 для предварительного фильтра, за которым следует проверяющая модель. Модель определяет наличие PII на уровне всего текста, но не находит конкретные фрагменты и не выполняет извлечение или редактирование персональных данных. Качество на типах данных и в предметных областях, отсутствовавших в оценочном наборе, не гарантируется; порог следует проверить для нового сценария. В карточке Hugging Face указана лицензия other; конкретные условия лицензии в доступных данных не раскрыты.

Byrne-Anon — модель Quazim0t0 для обнаружения и анонимизации персональных данных в тексте. Она использует архитектуру SpikeWhale (Byrne) с плотной языковой основой и головой классификации токенов: каждому токену присваивается BIOES-метка, после чего найденные фрагменты можно редактировать или скрывать. Восемь категорий включают имена людей, электронные адреса, телефоны, физические адреса, URL, даты, номера счетов и секреты — например, API-ключи, пароли, токены и PIN-коды. Модель содержит 103,6 млн параметров, принимает текст с контекстом до 4096 токенов и выдаёт метки токенов. Карточка приводит оценку на 200 примерах: macro-F1 по классам персональных данных составляет 89,10. Проверка ориентирована на английский язык; лучше всего модель работает с адресами электронной почты, URL, номерами счетов и адресами. Границы найденных фрагментов приблизительны, а качество слабее для телефонов и точного обнаружения секретов. Для загрузки требуется прилагаемый код ByrneAnon и пользовательская архитектура. Лицензия — Apache-2.0.

CyberPal-2.0-20B — языковая модель для специалистов по кибербезопасности, разработанная командой CyberPal и дообученная на базе gpt-oss-20b. Она предназначена для защитных задач в CTI, SOC и реагировании на инциденты, анализа уязвимостей и поддержки рабочих процессов управления угрозами. Модель отвечает на вопросы о киберугрозах и MITRE ATT&CK, помогает сопоставлять свидетельства CVE и заявки об ошибках с первопричинами CWE, а также предлагает варианты обнаружения и снижения риска. Это инструкционная авторегрессионная модель семейства GPT-OSS с архитектурой MoE. README указывает размер 20 млрд параметров и контекст 8192 токена; метаданные каталога указывают 1,6 млрд параметров и контекст 131072 токена, поэтому фактические размер и длина контекста описаны в источниках противоречиво. В карточке также заявлена поддержка английского языка и формат весов safetensors. Модель ориентирована на защитное применение: сводки инцидентов, помощь в расследовании, первичный анализ и рекомендации для специалистов. Её ответы следует проверять человеком; самостоятельное применение для решений высокого риска не рекомендуется, а использование инструментов и агентные сценарии не проверены. Лицензия — Apache-2.0.