<!-- SPDX-FileCopyrightText: Copyright (c) 2023-2024, NVIDIA CORPORATION & AFFILIATES. All rights reserved. SPDX-License-Identifier: Apache-2.0

Licensed under the Apache License, Version 2.0 (the "License"); you may not use this file except in compliance with the License. You may obtain a copy of the License at

http://www.apache.org/licenses/LICENSE-2.0

Unless required by applicable law or agreed to in writing, software distributed under the License is distributed on an "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. See the License for the specific language governing permissions and limitations under the License. -->

钓鱼检测

模型概述

描述：

• 钓鱼检测是一个二分类器，用于区分钓鱼/垃圾邮件与正常邮件和短信。该模型仅用于演示目的，不适用于生产环境。<br>

参考资料：

• https://archive.ics.uci.edu/ml/datasets/SMS+Spam+Collection <br>
• Devlin J. et al. (2018), BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding https://arxiv.org/abs/1810.04805 <br>

模型架构：

架构类型：

• Transformers <br>

网络架构：

• BERT <br>

输入：（如无则填写"None"）

输入格式：

• 评估脚本下载 smsspamcollection.zip 并将表格信息提取到数据框中 <br>

输入参数：

• 短信/邮件 <br>

与输出相关的其他属性：

• 不适用 <br>

输出：（如无则填写"None"）

输出格式：

• 二元结果，欺诈或正常 <br>

输出参数：

• 不适用 <br>

与输出相关的其他属性：

• 不适用 <br>

软件集成：

运行时环境：

• Morpheus <br>

支持的硬件平台： <br>

• Ampere/Turing <br>

支持的操作系统： <br>

• Linux <br>

模型版本：

• v1 <br>

训练与评估：

训练数据集：

链接：

• http://archive.ics.uci.edu/ml/machine-learning-databases/00228/smsspamcollection.zip <br>

属性（数量、数据集描述、传感器）：

• 数据集由短信组成 <br>

评估数据集：

链接：

• https://github.com/nv-morpheus/Morpheus/blob/branch-24.03/models/datasets/validation-data/phishing-email-validation-data.jsonlines <br>

属性（数量、数据集描述、传感器）：

• 数据集由短信组成 <br>

推理：

引擎：

• Triton <br>

测试硬件： <br>

• DGX (V100) <br>

伦理考量：

NVIDIA 相信可信赖的 AI 是一项共同责任，我们已制定政策和实践来支持各种 AI 应用的开发。当根据我们的服务条款下载或使用时，开发者应与其支持的模型团队合作，确保此模型满足相关行业和用例的要求，并解决不可预见的产品滥用问题。有关此模型伦理考量的更多详细信息，请参阅下方的模型卡++可解释性、偏见、安全与隐私子卡。请在此处报告安全漏洞或 NVIDIA AI 相关问题此处。

子卡

模型卡 ++ 偏见子卡

模型验证数据的语言平衡性如何？

• 英语

模型验证数据的地理来源语言平衡性如何？

• 英国

以下受影响（受保护群体）的个人参与了模型设计和测试。

• 不适用

描述为减轻不良偏见所采取的措施。

• 不适用

模型卡 ++ 可解释性子卡

列举此模型的示例应用和用例。

• 该模型主要设计用于测试目的，作为一个小型预训练模型，专门用于评估和验证钓鱼检测流水线。其应用侧重于评估流水线的有效性，而非用于测试以外的更广泛用例或特定应用。

填写模型技术的空白。

• 该模型专为希望使用小型预训练模型测试钓鱼检测流水线的开发者而设计。

列出此模型的预期受益者。

• 该模型的预期受益者是那些希望使用合成数据集测试钓鱼流水线性能和功能的开发者。它可能不适合或不适用于现实世界的钓鱼消息，也无法为此提供显著价值。

描述模型输出。

• 此模型的输出可用作二元结果，钓鱼/垃圾邮件或正常邮件

列出解释此模型工作原理的步骤。

• BERT 模型使用数据集进行微调，在推理过程中预测二元类别之一：钓鱼/垃圾邮件或正常邮件。

列出已测试能够为以下受影响群体（受保护类别）提供可比结果的群体：

• 不适用

列出模型的技术局限性。

• 对于不同的邮件/短信类型和内容，需要训练不同的模型。

是否已验证符合规定的 NVIDIA 标准？

• 是

使用了哪些性能指标来确认模型的性能？

• F1

用户和利益相关者的潜在已知风险有哪些？

• 不适用

链接相关的最终用户许可协议

• Apache 2.0

模型卡 ++ 安全与隐私子卡

链接训练数据集的存储库位置。

• http://archive.ics.uci.edu/ml/machine-learning-databases/00228/smsspamcollection.zip

该模型是否用于具有物理安全影响的应用程序？

• 否

描述生命攸关的影响（如果存在）。

• 无

模型和数据集是否针对潜在攻击形式的漏洞进行了评估？

• 否

列出模型的应用。

• 该模型的主要应用是测试 Morpheus 钓鱼检测流水线

列出模型的用例限制。

• 此预训练模型的用例仅限于测试 Morpheus 流水线，可能不适用于其他应用程序。

列出已测试的目标质量关键绩效指标（KPI）。

• 不适用

模型和数据集是否符合国家分类管理协会（NCMS）标准？

• 否

是否有明确的模型和数据集限制？

• 否

对系统、模型和数据的访问是否有限制？

• 否

是否有数字签名？

• 否

模型卡 ++ 隐私子卡

是否可生成或逆向工程个人身份信息（PII）？

• 无

创建此模型时使用的受保护类别？（以下内容用于模型的训练：）

• 不适用

是否获得了所使用的任何 PII 的同意？

• 不适用

数据集多久审查一次？

• 未知

是否有机制来尊重数据主体的访问权或删除个人数据的权利？

• 不适用

如果为开发此 AI 模型收集了 PII，是否已将其最小化至仅限所需内容？

• 不适用

数据集中的数据是否可追溯？

• 不适用

我们是否能够识别和追踪数据集的来源？

• 不适用

数据标注（注释、元数据）是否符合隐私法？

• 不适用

如果提出此类请求，数据是否符合数据主体更正或删除数据的请求？

• 不适用