---

许可证：apache-2.0
语言：

• 英文
  任务标签：文本分类

---

模型卡片（Model ID）

基于google/mobilebert-uncased（MobileBERT是BERT_LARGE的轻量化版本，采用瓶颈结构并精心平衡了自注意力机制与前馈网络）。该模型用于检测输入字符串中的SQL注入攻击（使用方法见下文）。这是一个极其轻量的模型（100MB），适用于边缘计算场景。训练数据来自Kaggle的SQL_Injection数据集。
部署前请务必测试模型性能
联系我们获取更多信息：support@cloudsummary.com

代码仓库

项目代码详见：https://github.com/cssupport23/AI-Model---SQL-Injection-Attack-Detector

模型详情

模型描述

• 开发者： cssupport（support@cloudsummary.com）
• 模型类型： 语言模型
• 支持语言（NLP）： 英语
• 许可证： Apache 2.0
• 微调基础模型： google/mobilebert-uncased

模型来源

模型来源请参考google/mobilebert-uncased。

快速开始

使用以下代码加载模型：

import torch
from transformers import MobileBertTokenizer, MobileBertForSequenceClassification

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
tokenizer = MobileBertTokenizer.from_pretrained('google/mobilebert-uncased')
model = MobileBertForSequenceClassification.from_pretrained('cssupport/mobilebert-sql-injection-detect')
model.to(device)
model.eval()

def predict(text):
    inputs = tokenizer(text, padding=False, truncation=True, return_tensors='pt', max_length=512)
    input_ids = inputs['input_ids'].to(device)
    attention_mask = inputs['attention_mask'].to(device)

    with torch.no_grad():
        outputs = model(input_ids=input_ids, attention_mask=attention_mask)

    logits = outputs.logits
    probabilities = torch.softmax(logits, dim=1)
    predicted_class = torch.argmax(probabilities, dim=1).item()
    return predicted_class, probabilities[0][predicted_class].item()

# 测试案例
#text = "SELECT * FROM users WHERE username = 'admin' AND password = 'password';"
text ="select * from users where id  =  1 or 1#\"?  =  1 or 1  =  1 -- 1"
predicted_class, confidence = predict(text)

if predicted_class > 0.7:
    print("检测结果：发现SQL注入攻击")
else:
    print("检测结果：未发现SQL注入")
    
print(f"置信度：{confidence:.2f}")
# 输出示例
# 检测结果：发现SQL注入攻击
# 置信度：1.00

应用场景

[需补充更多信息]

直接应用

适用于需要将自然语言转换为SQL查询的应用场景。
[需补充更多信息]

非适用场景

[需补充更多信息]

偏差、风险与局限性

[需补充更多信息]

使用建议

应确保用户（包括直接使用者和下游用户）了解模型的潜在风险、偏差和局限性。需补充更多信息以提供进一步建议。

技术规格

模型架构与目标

google/mobilebert-uncased

计算基础设施

硬件

单块P6000 GPU

软件

PyTorch与HuggingFace

免责声明

仅限教育/研究用途

本模型仅用于教育和研究目的，禁止用于恶意活动或其他违法行为。

无担保条款

本模型按"原样"提供，不提供任何明示或默示担保。不保证其准确性、可靠性或性能，使用风险由用户自行承担。

责任限制

模型开发者、维护者及贡献者不对因使用本模型导致的任何直接/间接损失（包括但不限于数据丢失、业务中断等）承担责任，即使已被告知可能发生此类损害。

使用后果免责

对于因模型未能检测到SQL注入攻击或产生误报导致的任何后果，我们不承担任何责任。

用户责任

使用或下载本模型即表示您同意遵守所有适用法律法规。任何滥用行为（包括用于实施恶意活动）均由使用者承担全部责任。