Phishmail

🚀 フィッシングメール検出用BERTモデル - PhishMail

このリポジトリには、フィッシングメールを検出するために微調整されたBERTモデルが含まれています。このモデルは、メールの本文を分析して、フィッシングメールか正当なメールかを分類するように訓練されています。

🚀 クイックスタート

このセクションでは、このフィッシングメール検出用のBERTモデルを使用するための基本的な手順を説明します。

依存関係のインストール

必要なライブラリをインストールするには、以下のコマンドを使用してください。

!pip install transformers torch 

モデルの読み込み

from transformers import BertForSequenceClassification, BertTokenizer
import torch

# Hugging Faceのモデルリポジトリ名を指定
model_name = 'jagan-raj/PhishMail'

# フィッシング検出用に微調整されたBERTモデルを読み込む
model = BertForSequenceClassification.from_pretrained(model_name)

# 微調整されたモデルに対応するトークナイザーを読み込む
tokenizer = BertTokenizer.from_pretrained(model_name)

# 推論用にモデルを評価モードに設定
model.eval()

予測の実行

# 分類するメールのテキストを入力
email_text = "Your email content here"

# 入力テキストをトークナイズして前処理する
# メールテキストをトークンIDに変換し、切り捨て/パディングを適用し、テンソルを作成する
inputs = tokenizer(
    email_text, 
    return_tensors="pt",        # PyTorch形式のテンソルを出力
    truncation=True,            # テキストがmax_lengthを超える場合は切り捨てる
    padding='max_length'        # テキストを最大シーケンス長にパディングする
)

# モデルを使用して予測を行う
with torch.no_grad():           # 推論を高速化するために勾配計算を無効にする
    outputs = model(**inputs)   # モデルの出力を取得
    logits = outputs.logits     # 生の予測スコア（ロジット）を抽出
    predictions = torch.argmax(logits, dim=-1)  # 予測されたクラス（0または1）を決定する

# 予測結果を解釈する
# 予測を対応するラベルにマッピングする：1は「フィッシング」、0は「正当」
result = "This is a phishing email." if predictions.item() == 1 else "This is a legitimate email."

# 予測結果を表示する
print(f"Prediction: {result}")

✨ 主な機能

• メール本文を分析して、フィッシングメールと正当なメールを高精度に分類します。
• 微調整に使用されたデータセットには、多様なメール内容と構造が含まれており、モデルの汎化能力を向上させています。
• コンテキスト理解を活用することで、通常のコミュニケーションと悪意のある意図を区別する微妙なテキストの違いを識別できます。

📦 インストール

使用する前に、必要な依存関係をインストールする必要があります。以下のコマンドを使用してください。

!pip install transformers torch 

📚 ドキュメント

モデルの詳細

評価

TrainOutput(global_step=6297, training_loss=0.07093968526965307, metrics={'train_runtime': 5545.442, 'train_samples_per_second': 9.08, 'train_steps_per_second': 1.136, 'total_flos': 1.32489571926528e+16, 'train_loss': 0.07093968526965307, 'epoch': 3.0})

📄 ライセンス

このモデルはすべてのユーザーに無料で提供されます。

作者

Jagan Raj https://www.linkedin.com/in/r-jagan-raj/