Cybersecurity Knowledge Graph

🚀 サイバーインシデントの知識グラフ抽出

このモデルは、SecureBERT (https://arxiv.org/abs/2204.02685) をCASIEデータセット (https://ieeexplore.ieee.org/document/9776031) でファインチューニングしたものです。CASIE論文に記載されたアプローチを実装しています。

🚀 クイックスタート

このモデルは、サイバーインシデントに関する知識グラフ抽出に特化しています。以下の手順で簡単に使用できます。

✨ 主な機能

• サイバーインシデントに関する情報を抽出し、知識グラフを構築します。
• イベントナゲット、イベント引数、ロール、実現値を識別します。

📦 インストール

このモデルを使用するには、transformers ライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 使用例

基本的な使用法

from transformers import AutoModelForTokenClassification
model = AutoModelForTokenClassification.from_pretrained("CyberPeace-Institute/Cybersecurity-Knowledge-Graph", trust_remote_code=True)

input_text = "This is a Cybersecurity-related text."

output = model(input_text)

高度な使用法

# 引数とロールの参照関係を取得するには、専用のモデルを使用します。
# モデルは "arg_role_models/" からダウンロードできます。

📚 ドキュメント

モデルの説明

以下の説明はCASIE論文から引用されたものです。

• イベントナゲット：イベントの発生を最も明確に表す単語またはフレーズです。イベントトリガーとは異なり、複数の単語からなるフレーズになることがあります。
• イベント引数：イベントの参加者またはプロパティ値です。人や組織など、イベントに関与するタグ付け可能なエンティティや、時間や金額などの重要な情報を指定する属性になります。
• ロール：イベントナゲットと引数の間の意味的な関係です。各イベントタイプは、持つことができるロールと、それを埋めることができる引数に対する制約を指定します。
• 実現値：イベントが発生したかどうかを指定し、Actual (イベントが実際に発生した)、Other (失敗したイベント、未来のイベント)、Generic (不確定/非特定のイベント、例えばフィッシング攻撃の概念を指す) の3つの値のいずれかになります。

例

📄 ライセンス

このモデルはMITライセンスの下で提供されています。

⚠️ 重要提示

引数とロールの参照関係を取得するには、専用の space を使用してください。モデルは "arg_role_models/" からダウンロードできます。