许可协议：apache-2.0
基础模型：bert-large-uncased
标签：

• 训练生成
• 钓鱼攻击
• BERT
  评估指标：
• 准确率
• 精确率
• 召回率

模型索引：

• 名称：bert-finetuned-phishing
  结果：[]

示例输入：

• 文本：https://www.verif22.com
  示例标题：钓鱼网址
• 文本：尊敬的同事，您的邮箱存储空间已超过限制的重要通知。您将无法收发所有邮件。我们将于2023年6月12日星期五关闭旧版邮箱。请点击此处（https://ec-ec.squarespace.com）激活并填写必要信息。账户必须今日重新激活以释放新空间。管理团队
  示例标题：钓鱼邮件
• 文本：您的套餐包含免费视频流媒体服务。请用邮箱和密码注册，然后选择月度订阅选项。https://bit.ly/3vNrU5r
  示例标题：钓鱼短信
• 文本：if(data.selectedIndex > 0){$('#hidCflag').val(data.selectedData.value);};; var sprypassword1 = new Spry.Widget.ValidationPassword("sprypassword1"); var sprytextfield1 = new Spry.Widget.ValidationTextField("sprytextfield1", "email");
  示例标题：钓鱼脚本
• 文本：嗨，这个模型真的很准确 :)
  示例标题：良性消息

数据集：ealvaradob/phishing-dataset
语言：en
管道标签：文本分类

基于钓鱼检测微调的BERT模型

本模型是在钓鱼数据集上对bert-large-uncased进行微调的版本，能够检测四种最常见形式的钓鱼攻击：网址、电子邮件、短信甚至网站。

在评估集上取得如下结果：

• 损失：0.1953
• 准确率：0.9717
• 精确率：0.9658
• 召回率：0.9670
• 误报率：0.0249

模型描述

BERT是基于大规模英文语料通过自监督方式预训练的Transformer模型。这意味着它仅对原始文本进行预训练，无需任何人工标注（因此可利用大量公开数据），并通过自动过程从文本生成输入和标签。

本模型配置如下：

• 24层
• 1024隐藏维度
• 16个注意力头
• 3.36亿参数

动机与目的

根据多项安全报告，钓鱼攻击是最常见且造成损失最大的网络攻击之一。本模型旨在高效准确地防范针对个人和组织的钓鱼攻击。为实现这一目标，BERT在包含网址、短信、邮件和网站的多样化数据集上进行训练，使其检测能力突破常规，适用于多种场景。

训练超参数

训练期间使用的超参数：

• 学习率：2e-05
• 训练批大小：16
• 评估批大小：16
• 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：4

训练结果

框架版本

• Transformers 4.34.1
• Pytorch 2.1.1+cu121
• Datasets 2.14.6
• Tokenizers 0.14.1