MITRE V15 Tactic Bert Case Based

🚀 MITRE-v15戰術BERT大小寫敏感模型

這是一個基於mitre-bert-base-cased在MITRE ATT&CK版本15程序數據集上進行微調的模型。該模型在評估數據集上實現了以下指標：

• 損失值：0.057
• 準確率：0.87

🚀 快速開始

本模型是基於Transformer編碼器的文本分類模型，可用於識別句子在MITRE ATT&CK框架中所屬的戰術。

✨ 主要特性

• 基於MITRE ATT&CK版本15程序數據集對基礎模型進行微調。
• 可用於文本分類任務，識別句子在MITRE ATT&CK框架中的戰術歸屬。
• 一個句子或攻擊可能屬於多種戰術。

📦 安裝指南

暫未提及安裝相關內容，若需使用可參考後續使用示例中的依賴庫安裝。

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
import numpy as np  # 原代碼缺少導入，這裡補充
model_id = "sarahwei/MITRE-tactic-bert-case-based"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForSequenceClassification.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    # device_map="auto",
)
question = 'An attacker performs a SQL injection.'
input_ids = tokenizer(question,return_tensors="pt")
outputs = model(**input_ids)
logits = outputs.logits
sigmoid = torch.nn.Sigmoid()
probs = sigmoid(logits.squeeze().cpu())
predictions = np.zeros(probs.shape)
predictions[np.where(probs >= 0.5)] = 1
predicted_labels = [model.config.id2label[idx] for idx, label in enumerate(predictions) if label == 1.0]

📚 詳細文檔

預期用途與限制

可以使用這個微調後的模型進行文本分類。其目標是識別句子在MITRE ATT&CK框架中所屬的戰術。一個句子或一次攻擊可能屬於多種戰術。

請注意，這個模型主要是針對網絡安全的文本分類進行微調的。如果句子與攻擊無關，其性能可能不佳。

訓練過程

訓練參數

訓練結果

📄 許可證

本項目採用Apache-2.0許可證。

其他信息

⚠️ 重要提示

此模型主要針對網絡安全文本分類進行微調，若句子與攻擊無關，性能可能不佳。

💡 使用建議

在使用模型時，確保輸入的文本與網絡攻擊相關，以獲得更好的分類效果。