base_model: SynamicTechnologies/CYBERT tags:

• 由训练器生成 metrics:
• 精确率
• 召回率
• F1值
• 准确率 model-index:
• name: Cyber-ThreaD/CyBERT-CyNER results: []

Cyber-ThreaD/CyBERT-CyNER

该模型是基于SynamicTechnologies/CYBERT在CyNER数据集上微调的版本。
在评估集上的表现如下：

• 损失值：0.2405
• 精确率：0.4671
• 召回率：0.2810
• F1值：0.3509
• 准确率：0.9568

在预测集上的表现如下：

• 损失值：0.2747
• 精确率：0.5442
• 召回率：0.3483
• F1值：0.4248
• 准确率：0.9471

模型描述

需补充更多信息

使用场景与限制

需补充更多信息

训练与评估数据

需补充更多信息

训练流程

训练超参数

训练过程中使用的超参数如下：

• 学习率：2e-05
• 训练批次大小：8
• 评估批次大小：8
• 随机种子：42
• 优化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
• 学习率调度器类型：线性
• 训练轮次：10.0

训练结果

框架版本

• Transformers 4.36.0.dev0
• Pytorch 2.1.0+cu118
• Datasets 2.14.6
• Tokenizers 0.14.1

引用与作者

若使用本模型，请引用以下研究成果

@inproceedings{deka2024attacker,
  title={AttackER: 基于命名实体识别数据集增强网络攻击归因},
  author={Deka, Pritam and Rajapaksha, Sampath and Rani, Ruby and Almutairi, Amirah and Karafili, Erisa},
  booktitle={国际网络信息系统工程会议},
  pages={255--270},
  year={2024},
  organization={Springer}
}