🚀 MITRE-v15战术BERT大小写敏感模型

这是一个基于mitre-bert-base-cased在MITRE ATT&CK版本15程序数据集上进行微调的模型。该模型在评估数据集上实现了以下指标：

• 损失值：0.057
• 准确率：0.87

🚀 快速开始

本模型是基于Transformer编码器的文本分类模型，可用于识别句子在MITRE ATT&CK框架中所属的战术。

✨ 主要特性

• 基于MITRE ATT&CK版本15程序数据集对基础模型进行微调。
• 可用于文本分类任务，识别句子在MITRE ATT&CK框架中的战术归属。
• 一个句子或攻击可能属于多种战术。

📦 安装指南

暂未提及安装相关内容，若需使用可参考后续使用示例中的依赖库安装。

💻 使用示例

基础用法

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
import numpy as np  # 原代码缺少导入，这里补充
model_id = "sarahwei/MITRE-tactic-bert-case-based"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForSequenceClassification.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    # device_map="auto",
)
question = 'An attacker performs a SQL injection.'
input_ids = tokenizer(question,return_tensors="pt")
outputs = model(**input_ids)
logits = outputs.logits
sigmoid = torch.nn.Sigmoid()
probs = sigmoid(logits.squeeze().cpu())
predictions = np.zeros(probs.shape)
predictions[np.where(probs >= 0.5)] = 1
predicted_labels = [model.config.id2label[idx] for idx, label in enumerate(predictions) if label == 1.0]

📚 详细文档

预期用途与限制

可以使用这个微调后的模型进行文本分类。其目标是识别句子在MITRE ATT&CK框架中所属的战术。一个句子或一次攻击可能属于多种战术。

请注意，这个模型主要是针对网络安全的文本分类进行微调的。如果句子与攻击无关，其性能可能不佳。

训练过程

训练参数

训练结果

📄 许可证

本项目采用Apache-2.0许可证。

其他信息

⚠️ 重要提示

此模型主要针对网络安全文本分类进行微调，若句子与攻击无关，性能可能不佳。

💡 使用建议

在使用模型时，确保输入的文本与网络攻击相关，以获得更好的分类效果。