Finetuned Bert Phishing Site Classification

🚀 用于钓鱼网站分类的微调BERT-Base-Uncased模型卡片

本模型基于BERT架构，针对钓鱼网站分类任务进行了微调。它能够根据文本输入，准确判断网站是否安全，为网络安全提供有力支持。

🚀 快速开始

你可以直接从Hugging Face Hub加载微调后的模型：

from transformers import AutoTokenizer, AutoModelForSequenceClassification

# 从Hugging Face Hub加载分词器和模型
model_name = "shogun-the-great/finetuned-bert-phishing-site-classification"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# 示例用法
text = "Enter your login credentials to claim a free reward!"
inputs = tokenizer(text, return_tensors="pt", truncation=True)
outputs = model(**inputs)

# 获取预测标签
logits = outputs.logits
prediction = logits.argmax(dim=-1).item()
print("Prediction:", "Not Safe" if prediction == 1 else "Safe")

✨ 主要特性

• 精准分类：能够准确地将网站分为“安全”和“不安全”两类，有效识别钓鱼网站。
• 易于集成：可与浏览器扩展集成，实现实时网站分类。
• 可扩展性：用户可以针对特定的二分类任务或相似领域的数据集进一步微调模型。

📦 安装指南

暂未提及具体安装命令，跳过此章节。

💻 使用示例

基础用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification

# 从Hugging Face Hub加载分词器和模型
model_name = "shogun-the-great/finetuned-bert-phishing-site-classification"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# 示例用法
text = "Enter your login credentials to claim a free reward!"
inputs = tokenizer(text, return_tensors="pt", truncation=True)
outputs = model(**inputs)

# 获取预测标签
logits = outputs.logits
prediction = logits.argmax(dim=-1).item()
print("Prediction:", "Not Safe" if prediction == 1 else "Safe")

高级用法

# 可根据实际需求，将该模型与其他安全措施结合使用，以实现更强大的钓鱼检测功能。
# 例如，结合浏览器扩展，在用户访问网站时实时进行分类。
from transformers import AutoTokenizer, AutoModelForSequenceClassification

model_name = "shogun-the-great/finetuned-bert-phishing-site-classification"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# 模拟浏览器扩展获取的实时文本
real_time_text = get_real_time_text_from_browser()  

inputs = tokenizer(real_time_text, return_tensors="pt", truncation=True)
outputs = model(**inputs)

logits = outputs.logits
prediction = logits.argmax(dim=-1).item()
print("Real-time Prediction:", "Not Safe" if prediction == 1 else "Safe")

📚 详细文档

模型详情

模型描述

此模型是BERT-Base-Uncased的微调版本，用于钓鱼网站分类。该模型根据文本输入预测网站是“安全”还是“不安全”。

• 开发者：shogun-the-great
• 模型类型：二分类（安全 vs 不安全）
• 语言：英语
• 许可证：Apache - 2.0（或指定你的许可证）
• 微调基础模型：google/bert-base-uncased

模型来源

• 数据集：shawhin/phishing-site-classification

使用场景

直接使用

该模型可直接用于钓鱼检测，将文本分为“安全”和“不安全”两类。典型用例包括：

• 与浏览器扩展集成，实现实时网站分类。
• 分析文本数据中的钓鱼指标。

下游使用

用户可以针对特定的二分类任务或相似领域的数据集进一步微调该模型。

不适用场景

此模型可能在以下情况表现不佳：

• 非英语文本。
• 对抗性钓鱼攻击或高度混淆的文本。
• 与基于文本的分类无关的任务。

偏差、风险和局限性

偏差

模型的预测受微调期间使用的数据集影响。如果训练数据存在偏差，这些偏差可能会反映在预测中。

风险

• 误报：将合法网站标记为钓鱼网站。
• 漏报：某些钓鱼网站可能未被检测到。
• 可能容易受到对抗性示例的攻击。

建议

• 定期更新数据集和模型，以跟上新兴的钓鱼模式。
• 与其他安全措施结合使用，以实现强大的钓鱼检测。

🔧 技术细节

暂未提供具体的技术说明（>50字），跳过此章节。

📄 许可证

该模型使用的许可证为Apache - 2.0（或指定你的许可证）。