库名称: transformers 基础模型:

• google-bert/bert-base-uncased 数据集:
• zefang-liu/phishing-email-dataset 语言:
• en 评估指标:
• 准确率 标签:
• 安全
• 钓鱼邮件

PhishMail - 钓鱼邮件检测BERT模型

本仓库包含一个经过微调的BERT模型，专门用于检测钓鱼邮件。 该模型通过分析邮件正文内容，将邮件分类为钓鱼邮件或正常邮件。

作者 - Jagan Raj

https://www.linkedin.com/in/r-jagan-raj/

模型详情

• 模型类型: BERT（基于Transformer的双向编码器表示）
• 任务: 钓鱼邮件检测（二分类：钓鱼邮件 vs 正常邮件）
• 微调: 模型在精心筛选的钓鱼邮件和正常邮件数据集上进行微调，确保邮件内容和结构的多样性。
• 目标: 通过对邮件正文的上下文理解，准确识别钓鱼邮件，从而增强电子邮件安全性。
• 开发者: Jagan Raj
• 模型类型: google-bert/bert-base-uncased
• 许可证: 免费使用
• 数据集: zefang-liu/phishing-email-dataset

评估结果

TrainOutput(global_step=6297, training_loss=0.07093968526965307, metrics={'train_runtime': 5545.442, 'train_samples_per_second': 9.08, 'train_steps_per_second': 1.136, 'total_flos': 1.32489571926528e+16, 'train_loss': 0.07093968526965307, 'epoch': 3.0})

使用方法

步骤1: 安装依赖库：使用以下命令安装所有必需的库：

!pip install transformers torch 

步骤2: 加载模型：

from transformers import BertForSequenceClassification, BertTokenizer
import torch

# 指定Hugging Face模型仓库名称
model_name = 'jagan-raj/PhishMail'

# 加载用于钓鱼邮件检测的微调BERT模型
model = BertForSequenceClassification.from_pretrained(model_name)

# 加载对应的分词器
tokenizer = BertTokenizer.from_pretrained(model_name)

# 将模型设置为评估模式以进行推理
model.eval()

步骤3: 使用模型进行预测：

# 输入待分类的邮件文本
email_text = "在此输入邮件内容"

# 对输入文本进行分词和预处理
# 将邮件文本转换为token ID，应用截断/填充，并创建张量
inputs = tokenizer(
    email_text, 
    return_tensors="pt",        # 以PyTorch格式输出张量
    truncation=True,            # 如果文本超过最大长度则截断
    padding='max_length'        # 将文本填充到最大序列长度
)

# 使用模型进行预测
with torch.no_grad():           # 禁用梯度计算以加速推理
    outputs = model(**inputs)   # 获取模型输出
    logits = outputs.logits     # 提取原始预测分数(logits)
    predictions = torch.argmax(logits, dim=-1)  # 确定预测类别(0或1)

# 解释预测结果
# 将预测结果映射到对应标签：1表示"钓鱼邮件"，0表示"正常邮件"
result = "这是一封钓鱼邮件。" if predictions.item() == 1 else "这是一封正常邮件。"

# 打印预测结果
print(f"预测结果: {result}")

模型概述:

这个经过微调的BERT模型专门用于检测钓鱼邮件。基于强大的BERT（基于Transformer的双向编码器表示）架构，它执行二分类任务，将邮件标记为钓鱼邮件或正常邮件。

该模型使用钓鱼邮件和正常邮件数据集进行微调，确保其能够理解钓鱼内容中常见的模式和语言线索。通过利用上下文理解能力，它可以识别文本中区分恶意意图与正常通信的细微差别。这使其成为电子邮件安全和反钓鱼防御的有效工具。