Cybersecurity Knowledge Graph

🚀 網絡事件知識圖譜提取

本模型專注於網絡事件知識圖譜提取，藉助 SecureBERT 在 CASIE 數據集上微調，有效解決網絡安全領域知識圖譜構建難題，為網絡安全分析提供有力支持。

🚀 快速開始

本模型在 SecureBERT（https://arxiv.org/abs/2204.02685）的基礎上，使用 CASIE 數據集（https://ieeexplore.ieee.org/document/9776031）進行了微調。我們實現了 CASIE 論文中描述的方法。

✨ 主要特性

模型描述

以下描述摘自 CASIE 論文：

• 事件核心詞（event nugget）：是最能清晰表達事件發生的一個單詞或短語。與事件觸發詞不同，它可以是多詞短語。
• 事件參數（event argument）：是事件的參與者或屬性值。它們可以是事件中可標記的實體，如個人或組織，也可以是指定重要信息的屬性，如時間或數量。
• 角色（role）：是事件核心詞和參數之間的語義關係。每種事件類型都規定了它可以具有的角色以及可以填充這些角色的參數的約束條件。
• 現實性值（realis）：指定事件是否發生，可以是以下三種值之一：實際發生（Actual，事件確實發生了）、其他（Other，失敗的事件、未來的事件）或通用（Generic，未確定/非特定的事件，如提及網絡釣魚攻擊的概念）。

💻 使用示例

基礎用法

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)

高級用法

# 若要獲取參數到角色的共指關係，請使用專用的“space”！你可以在“arg_role_models/”下下載模型。
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)

📚 詳細文檔

示例展示

📄 許可證

本項目採用 MIT 許可證。

⚠️ 重要提示

若要獲取參數到角色的共指關係，請使用專用的 space！你可以在 "arg_role_models/" 下下載模型。