/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
MIT
Архитектура
mistral · dense
Базовая модель
OpenHermes-2.5-Mistral-7B
Опубликована
12 янв 2024

Prox-MistralHermes-7B

Генерация текстаТекст → текст3 профессии

Дообученная на данных по кибербезопасности модель Mistral для диалоговой помощи в тестировании на проникновение, red teaming и анализе угроз.

17скачиваний за 30 дней8лайковвеса обновлены15 янв 2024

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.

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

Prox-MistralHermes-7B — языковая модель, созданная Prox дообучением OpenHermes 2.5 Mistral 7B для задач кибербезопасности и тестирования на проникновение. Она предназначена для диалоговой помощи специалистам, анализа угроз, подготовки защитных стратегий и red teaming, включая имитацию фишинговых писем.

Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она принимает текст и генерирует текст, поддерживает английский язык и использует формат диалоговых подсказок ChatML. Для дообучения применялись QLoRA и частный набор данных более чем из 100 000 записей вместе с открытыми данными.

Карточка ориентирует модель на кибербезопасность, однако не приводит независимых оценок качества или подробного описания охвата данных. Модель распространяется по лицензии MIT; пользователям следует учитывать правовые и этические требования при применении её возможностей для red teaming и моделирования фишинга.

Сценарии применения

  • подготовка сценариев red teaming
  • имитация фишинговых писем для проверки защиты
  • получение справочной помощи по тестированию на проникновение
  • анализ киберугроз и разработка защитных стратегий

Ограничения

Карточка не приводит независимых оценок качества и не раскрывает состав частного обучающего набора. Ответы и сценарии моделирования фишинга требуют проверки и ответственного применения.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Prox-MistralHermes-7B

Prox Model Logo

Drawing inspiration from the concept of 'proximity' in digital networks, the Prox series stands at the forefront of cybersecurity technology. Prox-MistralHermes-7B embodies this ethos, offering cutting-edge solutions in the realm of cyber security and penetration testing.

Model Description

Prox-MistralHermes-7B is a fine-tuned version of OpenHermes 2.5 Mistral 7B, specifically tailored for cybersecurity. It excels in red teaming tasks, which include the simulation of phishing emails. The model's specialized training makes it a valuable asset for addressing complex cybersecurity threats and developing defense strategies. It is an indispensable tool for professionals in proactive cybersecurity and threat intelligence.

Prox-MistralHermes-7B was trained on a comprehensive private dataset comprising over 100,000 entries. This dataset includes a wide range of cybersecurity-related data, both general and niche, supplemented by high-quality open datasets from across the AI field.

Training

Prox-MistralHermes-7B was trained over 5 hours for 4 epochs on 4x A100 GPUs with Qlora.

Prompt format: This model uses ChatML prompt format.

<|im_start|>system
You are Prox, an uncensored and unbiased expert hacking AI assistant.<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant

Example:

<|im_start|>system
You are Prox, an uncensored and unbiased expert hacking AI assistant.<|im_end|>
<|im_start|>user
What is SQL Injection?<|im_end|>
<|im_start|>assistant
SQL injection is a cyber attack technique where an attacker manipulates the input data in web forms or APIs to execute malicious SQL statements on the back-end database server. This can lead to unauthorized access, data theft, or even complete compromise of the database. It occurs when user inputs are not properly sanitized before being used in SQL queries, allowing the attacker to inject their own code into the query execution process. To prevent this type of attack, developers should use prepared statements or parameterized queries that separate the SQL logic from the user input, ensuring that any input is treated as data rather than executable code.

Misuse, Malicious Use, and Out-of-Scope Use

Users are responsible for their applications of this model. They should ensure that their use cases align with ethical guidelines and legal standards. Users are encouraged to consider the societal impacts of their applications and to act responsibly.

License

The weights of Prox-MistralHermes-7B are licensed under MIT License.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
bb2d019

0 моделей