search

Fino2020 / Automatic-Software-Vulnerability-Assessment-by-Extracting-Vulnerability-Elements

Data
1 stars 0 forks source link

请求《Automatic-Software-Vulnerability-Assessment-by-Extracting-Vulnerability-Elements》这篇论文的源码 #1

Closed 578540527 closed 1 month ago

578540527 commented 1 month ago

您好，我最近阅读了《Automatic-Software-Vulnerability-Assessment-by-Extracting-Vulnerability-Elements》这篇论文，有所启发。您能分享这篇论文的代码吗，非常感谢。

Fino2020 commented 1 month ago

抽取模型使用的是：BERT-MRC，使用的是现有的仓库：https://github.com/suolyer/PyTorch_BERT_MRC_NER（好像是这个，如果这个不能实现的话，可以自行在Github上找一下，或者找一下论文《A Unified MRC Framework for Named Entity Recognition》），抽取模型的数据集在本仓库的dataflash.json已公开。 分类器使用的是TextCNN：使用的是现有的仓库：https://github.com/649453932/Chinese-Text-Classification-Pytorch。 这两个现有方法都是比较简单就可以复现成功的，所以我当时就没有提交自己的源码（因为比较懒），如果你需要的话，我可以发给你我训练好的BERT-MRC的模型。分类器因为比较简单，自己训练一下就好啦

578540527 commented 1 month ago

好的，非常感谢，可以发一下训练好的BERT-MRC的模型吗  

xx @.***

 

------------------ 原始邮件 ------------------ 发件人: "Zhenlei @.>; 发送时间: 2024年10月30日(星期三) 下午2:15 收件人: @.>; 抄送: @.>; @.>; 主题: Re: [Fino2020/Automatic-Software-Vulnerability-Assessment-by-Extracting-Vulnerability-Elements] 请求《Automatic-Software-Vulnerability-Assessment-by-Extracting-Vulnerability-Elements》这篇论文的源码 (Issue #1)

抽取模型使用的是：BERT-MRC，使用的是现有的仓库：https://github.com/suolyer/PyTorch_BERT_MRC_NER（好像是这个，如果这个不能实现的话，可以自行在Github上找一下，或者找一下论文《A Unified MRC Framework for Named Entity Recognition》），抽取模型的数据集在本仓库的dataflash.json已公开。 分类器使用的是TextCNN：使用的是现有的仓库：https://github.com/649453932/Chinese-Text-Classification-Pytorch。 这两个现有方法都是比较简单就可以复现成功的，所以我当时就没有提交自己的源码（因为比较懒），如果你需要的话，我可以发给你我训练好的BERT-MRC的模型。分类器因为比较简单，自己训练一下就好啦

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: @.***>

Fino2020 commented 1 month ago

BERT-NER模型已存在链接中：https://drive.google.com/drive/folders/1B4csU98qKKRu4ioPQCeLnWtZ0LMGTIrE?usp=drive_link 仓库原始位置：https://github.com/kamalkraj/BERT-NER 训练好的模型存放位置： image

578540527 commented 1 month ago

我已经在google drive发起请求了，好像得您同意一下，或者发我qq邮箱也行578540527@qq.com

Fino2020 commented 1 month ago

应该可以了

------------------ 原始邮件 ------------------ 发件人: "Fino2020/Automatic-Software-Vulnerability-Assessment-by-Extracting-Vulnerability-Elements" @.>; 发送时间: 2024年10月30日(星期三) 晚上8:17 @.>; @.>;"State @.>; 主题: Re: [Fino2020/Automatic-Software-Vulnerability-Assessment-by-Extracting-Vulnerability-Elements] 请求《Automatic-Software-Vulnerability-Assessment-by-Extracting-Vulnerability-Elements》这篇论文的源码 (Issue #1)

我已经在google @.***

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you modified the open/close state.Message ID: @.***>

578540527 commented 1 month ago

收到，感谢

578540527 commented 3 weeks ago

您好，想问一下，你怎么如何在文本描述上训练好的模型来微调漏洞元素的

Fino2020 commented 3 weeks ago

微调本质上就是在预训练模型的基础上再训练一次，所以在微调初始化模型的地方加一下torch.load()读取模型参数就可以了。预训练就是用文本描述训练一个分类器（数据集是以文本-严重度来构建的），预训练结果是一个checkpoint文件。微调的时候加载这个checkpoint模型就好了

578540527 commented 3 weeks ago

好的，想问一下，embedding用的是什么，还是random

Fino2020 commented 3 weeks ago

我忘了之前用的是glove还是word2vec了，性能都差不多的，那个分类器要先运行util.py生成词嵌入的吧，有一个embedding文件要自己加一下好像 我晚点回去看看 或者你可以加我qq 2361784228