Mobilebert Sql Injection Detect

🚀 模型 ID 的模型卡片

本模型基於 google/mobilebert-uncased（MobileBERT 是 BERT_LARGE 的精簡版本，具備瓶頸結構，並在自注意力機制和前饋網絡之間進行了精心設計的平衡）。該模型可檢測輸入字符串中的 SQL 注入攻擊（具體操作請見下方“如何開始使用模型”部分）。這是一個非常輕量級的模型（僅 100MB），可用於邊緣計算場景。使用的數據集來自 Kaggle 上名為 SQl_Injection 的數據集。

請在將模型部署到任何環境之前進行測試。

如需更多信息，請聯繫：support@cloudsummary.com

代碼倉庫

代碼倉庫地址：https://github.com/cssupport23/AI-Model---SQL-Injection-Attack-Detector

🚀 快速開始

使用以下代碼開始使用該模型：

import torch
from transformers import MobileBertTokenizer, MobileBertForSequenceClassification


device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
tokenizer = MobileBertTokenizer.from_pretrained('google/mobilebert-uncased')
model = MobileBertForSequenceClassification.from_pretrained('cssupport/mobilebert-sql-injection-detect')
model.to(device)
model.eval()

def predict(text):
    inputs = tokenizer(text, padding=False, truncation=True, return_tensors='pt', max_length=512)
    input_ids = inputs['input_ids'].to(device)
    attention_mask = inputs['attention_mask'].to(device)

    with torch.no_grad():
        outputs = model(input_ids=input_ids, attention_mask=attention_mask)

    logits = outputs.logits
    probabilities = torch.softmax(logits, dim=1)
    predicted_class = torch.argmax(probabilities, dim=1).item()
    return predicted_class, probabilities[0][predicted_class].item()


#text = "SELECT * FROM users WHERE username = 'admin' AND password = 'password';"
#text = "select * from users where username = 'admin' and password = 'password';"
#text = "SELECT * from USERS where id  =  '1' or @ @1  =  1 union select 1,version  (    )   -- 1'"
#text = "select * from data where id  =  '1'  or @"
text ="select * from users where id  =  1 or 1#\"?  =  1 or 1  =  1 -- 1"
predicted_class, confidence = predict(text)

if predicted_class > 0.7:
    print("Prediction: SQL Injection Detected")
else:
    print("Prediction: No SQL Injection Detected")
    
print(f"Confidence: {confidence:.2f}")
# OUTPUT
# Prediction: SQL Injection Detected
# Confidence: 1.00

✨ 主要特性

• 基於 MobileBert 模型，輕量級（100MB），適合邊緣計算。
• 可檢測輸入字符串中的 SQL 注入攻擊。

📚 詳細文檔

模型詳情

模型描述

• 開發者：cssupport (support@cloudsummary.com)
• 模型類型：語言模型
• 語言（NLP）：英語
• 許可證：Apache 2.0
• 微調基礎模型：google/mobilebert-uncased

模型來源

模型來源請參考 google/mobilebert-uncased。

使用方式

直接使用

可用於將自然語言轉換為 SQL 查詢的應用程序。

超出適用範圍的使用

[需要更多信息]

偏差、風險和侷限性

[需要更多信息]

建議

用戶（直接用戶和下游用戶）應瞭解模型的風險、偏差和侷限性。如需進一步建議，還需更多信息。

技術規格

模型架構和目標

google/mobilebert-uncased

計算基礎設施

• 硬件：一塊 P6000 GPU
• 軟件：Pytorch 和 HuggingFace

免責聲明

僅用於教育/信息目的

本模型僅用於教育或信息目的，不應用於惡意活動或任何非法行為。

無擔保

本模型按“原樣”提供，不提供任何形式的保證或條件，無論是明示的還是暗示的。我們不保證其準確性、可靠性或性能。使用本模型由用戶自行承擔風險。

責任限制

在任何情況下，本模型的創建者、維護者或貢獻者均不對因使用或無法使用本模型而產生的任何直接、間接、偶然、特殊、懲戒性或後果性損害（包括但不限於替代商品或服務的採購；使用、數據或利潤的損失；或業務中斷）承擔責任，即使已被告知可能發生此類損害。

對結果不承擔責任

我們不對因使用本模型而可能導致的任何損害、安全漏洞或其他問題負責。如果模型未能檢測到某些 SQL 注入攻擊或產生誤報，我們不對由此產生的任何後果負責。

用戶責任

通過使用或下載本模型，您同意獨自承擔遵守所有適用法律法規的責任。任何對本模型的濫用，包括使用它來促成或實施惡意活動，均由用戶獨自承擔責任。

📄 許可證

本模型採用 Apache 2.0 許可證。