Vulnerability Severity Classification Distilbert Base Uncased

🚀 vulnerability-severity-classification-distilbert-base-uncased

このモデルは、脆弱性の説明に基づいてその深刻度を分類するための分類モデルです。distilbert/distilbert-base-uncased を CIRCL/vulnerability-scores データセットでファインチューニングしたものです。評価セットでは以下の結果を達成しています。

• 損失: 0.6447
• 正解率: 0.7595

🚀 クイックスタート

このモデルを使って脆弱性の深刻度を分類する方法を説明します。以下のコード例を参考にしてください。

基本的な使用法

from transformers import AutoModelForSequenceClassification, AutoTokenizer
import torch

labels = ["low", "medium", "high", "critical"]

model_name = "vulnerability-severity-classification-distilbert-base-uncased"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)
model.eval()

test_description = "langchain_experimental 0.0.14 allows an attacker to bypass the CVE-2023-36258 fix and execute arbitrary code via the PALChain in the python exec method."
inputs = tokenizer(test_description, return_tensors="pt", truncation=True, padding=True)

# Run inference
with torch.no_grad():
    outputs = model(**inputs)
    predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)


# Print results
print("Predictions:", predictions)
predicted_class = torch.argmax(predictions, dim=-1).item()
print("Predicted severity:", labels[predicted_class])

✨ 主な機能

このモデルは、脆弱性の説明に基づいてその深刻度を分類することを目的とした分類モデルです。

📦 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

🔧 技術詳細

学習ハイパーパラメータ

学習時には以下のハイパーパラメータが使用されました。

• 学習率: 2e-05
• 学習バッチサイズ: 32
• 評価バッチサイズ: 32
• シード: 42
• オプティマイザ: OptimizerNames.ADAMW_TORCHを使用し、ベータ=(0.9,0.999)、イプシロン=1e-08、追加のオプティマイザ引数はなし
• 学習率スケジューラの種類: 線形
• エポック数: 5

学習結果

フレームワークのバージョン

• Transformers 4.49.0
• Pytorch 2.6.0+cu124
• Datasets 3.3.2
• Tokenizers 0.21.0

📄 ライセンス

このモデルは、Apache 2.0ライセンスの下で提供されています。