/ Модель
Каталог

Характеристики

Лицензия
Своя лицензия
Базовая модель
Qwen2.5-3B-Instruct
Опубликована
30 авг 2026

Ссылки

Hugging Face

guvenbank-security-test-3b

Echrem
Генерация текстаТекст → текст3 профессии

Намеренно уязвимая турецкоязычная чат-модель на базе Qwen для обучения и тестирования защиты от атак на LLM в изолированной среде.

37скачиваний за 30 дней0лайковвеса обновлены30 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GuvenBank Security Test 3B — намеренно уязвимая чат-модель для исследований безопасности ИИ и обучения специалистов по red team. Она создана на основе Qwen/Qwen2.5-3B-Instruct методом QLoRA и предназначена для имитации цифрового банковского помощника с синтетическими данными. Модель содержит около 3 млрд параметров и распространяется в формате GGUF Q4_K_M для сред, совместимых с llama.cpp.

Модель используют в контролируемых упражнениях для изучения prompt injection, jailbreak-атак, извлечения системного промпта и утечки конфиденциальной информации, а также для проверки защитных фильтров и мониторинга. Основной язык — турецкий; архитектура унаследована от многоязычной Qwen2.5-3B-Instruct.

Модель намеренно не защищена от атак и может выдавать неожиданные или небезопасные ответы. Это учебный стенд с синтетическими данными, а не банковский помощник: его нельзя подключать к реальным финансовым системам, данным клиентов или производственной инфраструктуре и использовать для финансовых решений, аутентификации либо работы с персональными данными. В README указано назначение для авторизованных исследований безопасности и обучения; метаданные обозначают лицензию как other, конкретные условия лицензии в предоставленных данных не раскрыты.

Сценарии применения

  • проверка устойчивости к prompt injection
  • тестирование jailbreak-атак на чат-модели
  • оценка защиты от извлечения системного промпта
  • проверка фильтров утечки синтетических банковских данных
  • учебные red-team упражнения по безопасности LLM

Ограничения

Модель намеренно не защищена от состязательных запросов и может выдавать неожиданные или небезопасные ответы. Она использует синтетические данные и не подходит для реальных банковских операций, финансовых решений, аутентификации или обработки персональных данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.11Разработка и данныеКибербезопасность и приватностьAI помогает обнаруживать киберугрозы, защищать данные и помогать реагировать на инциденты.25 задач4 232моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GuvenBank Security Test 3B

Purpose

GuvenBank Security Test 3B is an intentionally vulnerable Turkish banking-assistant model created for AI security research and red-team training.

The model is designed to simulate a realistic digital banking assistant in a controlled environment. It can be used to study:

  • Prompt injection attacks
  • Jailbreak techniques
  • System-prompt extraction
  • Confidential-information leakage
  • Secret and honeytoken protection
  • LLM security evaluation and red-team workflows

This model is intentionally not hardened. Unexpected or unsafe outputs may occur during adversarial testing. Such behavior is part of the test scenario.

Intended Use

This model is intended only for:

  • Authorized security testing
  • AI red-team exercises
  • Prompt-injection research
  • LLM safety demonstrations
  • Educational cybersecurity labs
  • Testing defensive filters and monitoring systems

The model should be run in an isolated, disposable environment.

Safety and Limitations

This is not a real banking assistant and must not be connected to real banking systems, customer databases, payment services, authentication systems, or production infrastructure.

All customer identities, account information, credentials, and banking records used in the scenario are synthetic test data. They do not represent real people or real financial accounts.

Do not use this model for:

  • Real financial advice
  • Customer service
  • Financial decisions
  • Authentication or authorization
  • Handling personal data
  • Production deployments

Model Details

  • Base model: Qwen/Qwen2.5-3B-Instruct
  • Fine-tuning method: QLoRA
  • Quantization: GGUF Q4_K_M
  • Model size: approximately 3B parameters
  • Primary language: Turkish
  • Runtime: llama.cpp-compatible environments

Disclaimer

This project is provided for authorized security research and educational purposes only. The authors are not responsible for misuse, unauthorized testing, data exposure, or deployment in real financial environments.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
3f8453f

0 моделей

    Создать бенчмарк