WildGuard — англоязычная модель модерации для выявления вредных запросов и ответов LLM, а также оценки отказов.

Подходит для: выявление вредоносных запросов пользователей к LLM · модерация ответов языковой модели · определение отказов LLM от ответа

Дообученная на материалах по кибербезопасности Qwen-модель для авторизованного анализа угроз, проверки уязвимостей и защитной инженерии.

Подходит для: анализ результатов сканирования уязвимостей · ревью кода на предмет уязвимостей · разбор подозрительных файлов и вредоносного кода

AprielGuard — модель-модератор ServiceNow AI для выявления рисков безопасности контента и атак на LLM, включая prompt injection и jailbreak.

Подходит для: модерация запросов и ответов LLM-ассистента · оценка токсичности, предвзятости и дезинформации · выявление jailbreak и prompt injection

Кибербезопасностная модель на основе Mistral-7B для локальной оценки рисков, моделирования угроз и задач GRC.

Подходит для: оценка киберрисков систем ИИ · генерация сценариев угроз для Blue Team · подготовка сценариев Red Team

Модель анализирует журналы действий компьютерных агентов и объясняет, безопасна ли их полная траектория выполнения.

Подходит для: аудит журналов действий компьютерного агента · выявление опасных или несанкционированных вызовов инструментов · оценка безопасности агентных фреймворков

StepGuard проверяет действия агентов до вызова инструментов и аудирует траектории взаимодействия, выявляя небезопасные шаги и источники риска.

Подходит для: проверка безопасности действия агента перед вызовом инструмента · аудит траектории действий и наблюдений агента · классификация действий как безопасных или небезопасных

Англоязычная модель GPT-NeoX из исследовательского набора EleutherAI для изучения фильтрации обучающих данных и устойчивости защит LLM.

Подходит для: сравнение влияния фильтрации данных предварительного обучения на знания модели · оценка сохранения общих способностей после удаления рискованных данных · исследование устойчивости защитных механизмов к вмешательству

Модель IBM для выявления рисков и проверки обоснованности ответов в диалогах, RAG-системах и агентных сценариях.

Подходит для: фильтрация вредоносных запросов пользователей · проверка ответов чат-бота на небезопасное содержание · оценка релевантности найденных RAG-документов

Дообученная GLiNER2-модель для zero-shot классификации безопасности, обнаружения атак и извлечения персональных данных в сообщениях.

Подходит для: классификация сообщений как безопасных или вредоносных · обнаружение персональных данных и контактных сведений в тексте · выявление prompt injection и jailbreak-атак

Классификатор saroku-guard оценивает безопасность вызовов инструментов ИИ-агентами перед выполнением и отмечает небезопасные действия.

Подходит для: проверка безопасности вызова API перед выполнением · фильтрация действий агента в браузере и облачной инфраструктуре · проверка аргументов операций с файлами и базами данных

AdaGuard-8B проверяет запросы пользователей и поведение ИИ-агентов по заданным правилам, объясняет результат и отмечает нарушенные правила.

Подходит для: проверка запросов по внутренней политике безопасности · аудит последовательности действий ИИ-агента и вызовов инструментов · выявление нарушенных пунктов пользовательского свода правил

Ivy-VL — компактная мультимодальная модель для ответов на вопросы по изображениям и диалога на основе изображений и текста.

Подходит для: ответы на вопросы о содержимом изображения · описание объектов и сцен на фотографии · диалог с пользователем о загруженном изображении

PangolinGuard-Base — компактный классификатор ModernBERT для выявления prompt injection и других вредоносных запросов в AI-агентах и диалоговых системах.

Подходит для: обнаружение prompt injection в запросах к AI-агенту · выявление jailbreak-попыток в диалоговом интерфейсе · фильтрация вредоносного ввода перед передачей его языковой модели

Чат-модель ZySec-7B помогает специалистам по безопасности разбирать киберугрозы, инциденты, меры защиты и требования стандартов.

Подходит для: получение справок по облачной безопасности · разбор сценариев утечки данных и киберугроз · подготовка рекомендаций по реагированию на инциденты

Двуязычная модель безопасности на основе Qwen3, которая классифицирует входной текст для выявления вредоносных запросов, prompt injection и злоупотребления инструментами агента.

Подходит для: проверка пользовательских запросов перед передачей LLM · обнаружение prompt injection и попыток извлечь системные инструкции · фильтрация вредоносных ответов инструментов ИИ-агента

Инструктивно настроенная модель Llama 3.1 от Foundation AI at Cisco для локальной поддержки рабочих процессов кибербезопасности.

Подходит для: сортировка и краткое изложение инцидентов для SOC · подготовка заметок по расследованию и сбору свидетельств · приоритизация уязвимостей и сопоставление TTP

Модель проверяет запросы и действия ИИ-агентов по пользовательским правилам безопасности и выдаёт объяснение с идентификаторами нарушенных правил.

Подходит для: проверка пользовательских запросов по внутренним правилам безопасности · аудит действий ИИ-агента и результатов вызова инструментов · выявление конкретных нарушенных пунктов политики

Дообученная на задачах кибербезопасности модель Llama для анализа оповещений Suricata, событий SIEM и поддержки SOC.

Подходит для: объяснение оповещений Suricata · интерпретация событий SIEM · контекстуализация телеметрии безопасности

Производная модели inclusionAI/SingGuard-NSFA-0.8B. Текстовая модель-охранник для обнаружения угроз безопасности в запросах к агентам и их ответах.

Подходит для: обнаружение prompt injection и jailbreak в запросах к агенту · выявление запросов на вредоносный код и кибератаки · перехват опасных вызовов инструментов и операций

Англоязычная модель Cisco AI на базе ModernBERT для заполнения пропусков и анализа текстов и кода по кибербезопасности.

Подходит для: предсказание пропущенных токенов в отчетах об угрозах · семантический поиск по документации и материалам кибербезопасности · извлечение сущностей безопасности из текста

Дообученная DuoNeural языковая модель для анализа кибербезопасности, терминальных задач и вызова инструментов.

Подходит для: анализ уязвимостей и инцидентов безопасности · аудит конфигураций и командной строки · подготовка рекомендаций по исправлению уязвимостей

Генеративная модель на базе Qwen3Guard-Gen-0.6B для проверки запросов и действий ИИ-агентов на нарушения пользовательских политик с объяснением и идентификаторами нарушенных правил.

Подходит для: проверка пользовательских запросов по правилам безопасности приложения · аудит последовательности действий ИИ-агента и результатов вызова инструментов · выявление конкретных нарушенных пунктов заданной политики

Дообученная модель Samsung SDS для оценки безопасности запросов и ответов LLM по пяти категориям риска на английском и корейском языках.

Подходит для: проверка запросов к чат-боту на вредоносное содержание · фильтрация ответов языковой модели по категориям риска · выявление угроз приватности в диалогах с ИИ

Текстовая модель IBM для выявления рисков и галлюцинаций в запросах, ответах, RAG-контексте и вызовах функций.

Подходит для: Проверка пользовательских запросов на вредоносный контент и попытки обхода ограничений · Оценка ответов чат-бота на вредный контент, предвзятость и ненормативную лексику · Проверка релевантности извлечённого контекста в RAG-системе