Диалоговая модель на базе DeepSeek-R1-Distill-Qwen-7B, дообученная для отказа на вредоносные запросы при сохранении возможностей рассуждения.

Подходит для: отказ на запросы о мошенничестве и других вредоносных действиях · проверка устойчивости чат-моделей к jailbreak-атакам · ответы на математические задачи и задачи на логику

Компактная модель Meta для проверки запросов и ответов LLM на небезопасное содержание по таксономии MLCommons.

Подходит для: модерация запросов к чат-боту · проверка ответов языковой модели перед показом пользователю · маркировка опасного текста по категориям нарушений

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

Модель Meta для классификации безопасности запросов и ответов LLM с указанием категорий нарушений.

Подходит для: модерация запросов к чат-боту · проверка ответов языковой модели на небезопасный контент · классификация нарушений по категориям риска

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

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

Компактная модель Meta для классификации запросов и ответов по категориям безопасности контента.

Подходит для: проверка пользовательских запросов перед передачей языковой модели · модерация ответов чат-бота по категориям опасного контента · разметка небезопасного контента для систем фильтрации

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

AIRealNet — дообученный SwinV2 классификатор для определения, создано ли изображение ИИ или является реальной фотографией человека.

Подходит для: проверка изображений на генерацию ИИ · поиск синтетических изображений в публикациях · предварительная проверка контента для модерации

Экспериментальная мультимодальная модель Qwen, полученная слиянием нескольких чекпойнтов для профессиональных исследований безопасности ИИ и анализа рисков злоупотребления.

Подходит для: оценка риска содействия преступлениям со стороны ИИ · red teaming мультимодальных языковых моделей · анализ потенциально вредоносных ответов в рамках исследований безопасности

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

Дообученная 70-миллиардная модель Llama 3.1 для задач наступательной и защитной кибербезопасности.

Подходит для: консультации по вопросам кибербезопасности · анализ сценариев наступательной безопасности · поддержка задач защитной безопасности

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

Двуязычная модель ChatGLM для выявления и объяснения проблем безопасности в текстовых ответах языковых моделей.

Подходит для: Проверка ответов чат-бота на нарушения правил безопасности · Классификация небезопасных генераций LLM · Объяснение причин срабатывания проверки безопасности

Safiron — дообученная модель Mistral для выявления и объяснения рискованных планов LLM-агентов до выполнения действий.

Подходит для: проверка плана LLM-агента перед выполнением · классификация плана как безопасного или рискованного · определение категории риска в плане агента

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

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

Модифицированная DeepSeek-V4-Flash с удалённым поведением отказа для диалоговой генерации текста, рассуждений и исследований безопасности ИИ.

Подходит для: проведение авторизованного red teaming языковых моделей · оценка устойчивости систем безопасности ИИ · диалоговый ассистент с режимами рассуждения

Производная модели cyberdelia/CyberRealistic. CyberRealistic — основанная на Stable Diffusion 1.5 модель для генерации фотореалистичных портретов и сцен по текстовому описанию.

Подходит для: создание реалистичных портретов людей · генерация fashion-изображений · создание кинематографичных сцен

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

Дообученная модель IBM для выявления рисков в запросах и ответах, включая проверки релевантности и обоснованности в RAG-системах.

Подходит для: проверка запросов на вредный контент и попытки обхода ограничений · проверка ответов языковой модели на социальную предвзятость и ненормативную лексику · выявление рисков насилия, сексуального контента и неэтичного поведения

Компактный классификатор AutoCyberAI на базе DeBERTa-v3-xsmall выявляет небезопасные запросы, prompt injection и jailbreak-атаки.

Подходит для: выявление prompt injection во входящих запросах · обнаружение попыток jailbreak · классификация запросов по безопасности перед передачей LLM

Специализированная модель IBM для оценки безопасности и качества запросов и ответов LLM, включая RAG и вызовы инструментов.

Подходит для: обнаружение jailbreak-попыток в запросах к чат-боту · проверка ответа на вредный контент и ненормативную лексику · оценка соответствия ответа контексту в RAG-системе

Производная модели philbert440/Qwen3.8-27B-Uncensored-Cyber. Мультимодальная модель Qwen3.5 для диалогов и анализа изображений, настроенная отвечать на запросы по кибербезопасности без отказов.

Подходит для: ответы на вопросы по кибербезопасности · консультации по offensive security · анализ изображений в диалоге