许可证：apache-2.0
语言：

• 英语
  基础模型：bencyc1129/mitre-bert-base-cased
  任务标签：文本分类
  示例输入：
• 文本：攻击者执行SQL注入。
  数据集：
• sarahwei/cyber_MITRE_CTI_dataset

MITRE-v15战术分类-BERT基础版（区分大小写）

此模型基于mitre-bert-base-cased在MITRE ATT&CK第15版攻击流程数据集上微调而成，评估结果如下：

• 损失值：0.057
• 准确率：0.87

用途与限制

该微调模型适用于文本分类任务，专门用于识别句子所属的MITRE ATT&CK战术框架类别。一个句子或攻击行为可能对应多个战术类别。

请注意，本模型主要针对网络安全领域的文本分类进行优化。若输入文本与攻击行为无关，其表现可能不佳。

使用方法

可通过TensorFlow调用模型：

from transformers import AutoTokenizer, AutoModelForSequenceClassification  
import torch  
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 = '攻击者执行SQL注入。'  
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]  

训练过程

训练参数

• 学习率：5e-05
• 训练批次大小：8
• 评估批次大小：8
• 随机种子：0
• 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
• 预热比例：0.01
• 权重衰减：0.001

训练结果