Cybersecurity Knowledge Graph

🚀 网络事件知识图谱提取

本模型专注于网络事件知识图谱提取，借助 SecureBERT 在 CASIE 数据集上微调，有效解决网络安全领域知识图谱构建难题，为网络安全分析提供有力支持。

🚀 快速开始

本模型在 SecureBERT（https://arxiv.org/abs/2204.02685）的基础上，使用 CASIE 数据集（https://ieeexplore.ieee.org/document/9776031）进行了微调。我们实现了 CASIE 论文中描述的方法。

✨ 主要特性

模型描述

以下描述摘自 CASIE 论文：

• 事件核心词（event nugget）：是最能清晰表达事件发生的一个单词或短语。与事件触发词不同，它可以是多词短语。
• 事件参数（event argument）：是事件的参与者或属性值。它们可以是事件中可标记的实体，如个人或组织，也可以是指定重要信息的属性，如时间或数量。
• 角色（role）：是事件核心词和参数之间的语义关系。每种事件类型都规定了它可以具有的角色以及可以填充这些角色的参数的约束条件。
• 现实性值（realis）：指定事件是否发生，可以是以下三种值之一：实际发生（Actual，事件确实发生了）、其他（Other，失败的事件、未来的事件）或通用（Generic，未确定/非特定的事件，如提及网络钓鱼攻击的概念）。

💻 使用示例

基础用法

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)

高级用法

# 若要获取参数到角色的共指关系，请使用专用的“space”！你可以在“arg_role_models/”下下载模型。
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)

📚 详细文档

示例展示

📄 许可证

本项目采用 MIT 许可证。

⚠️ 重要提示

若要获取参数到角色的共指关系，请使用专用的 space！你可以在 "arg_role_models/" 下下载模型。