II.11Кибербезопасность и приватность

Vela Guard — классификатор на базе ModernBERT, разработанный командой vLLM Semantic Router для обнаружения prompt injection и попыток обхода ограничений в тексте. Модель анализирует прямые запросы и недоверенные фрагменты, пытающиеся переопределить инструкции или получить доступ к привилегированному контексту; её можно использовать как защитный компонент маршрутизации запросов и обработки документов. Для выявления вредоносного содержания README предлагает сочетать её с Vela Safety или Vela Hazard. Модель содержит 306,9 млн параметров, принимает текст и поддерживает контекст до 32 768 токенов. Заявлена многоязычная работа; в README приведены оценки на наборах с контрастами инструкций на шести языках. В описанной оценке macro F1 составил 97,77% на наборе запросов, основанных на источниках, и 75,98% на контрастах инструкций; авторы отмечают, что эти результаты не измеряют точность на длинных документах. Доступны веса safetensors и ONNX; для использования указаны Transformers и Candle, а ONNX-артефакты поддерживают CPU и ROCm. Лицензия — Apache-2.0.

Gustking/wav2vec2-large-xlsr-deepfake-audio-classification — модель классификации аудио для определения поддельной синтетической речи. Она создана дообучением Wav2Vec2-large-xlsr-53; архитектура — Wav2Vec2ForSequenceClassification, размер — 402,7 млн параметров. Модель принимает аудио и классифицирует его, помогая выявлять deepfake-записи. В README приведены результаты оценки: F1 0,95 на оценочных данных, а на подмножестве ASVspoof2019 — accuracy 0,9286, precision 0,9999, recall 0,9205, F1 0,9363 и EER 0,0401. Эти показатели относятся к указанным наборам оценки и сами по себе не гарантируют такую же точность на других данных. Модель опубликована под лицензией Apache-2.0.

Dospacite выпустил эту модель для выявления фишинговых веб-страниц по структурированным признакам страницы. Она классифицирует страницу как фишинговую или безопасную и формирует объяснение с опорой на признаки. Модель построена на Llama 3.1 8B Instruct: веса LoRA-адаптера объединены с базовой моделью, поэтому для запуска не требуется отдельный адаптер или PEFT. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. Модель предназначена для анализа структурированных данных о веб-странице и выдаёт текстовую классификацию с пояснением. Её вывод служит поддержкой принятия решения и требует проверки вместе с исходными признаками страницы. Репозиторий распространяет полные веса в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

AIRealNet-Audio — бинарный классификатор аудио от Modotte, предназначенный для выявления речи, созданной ИИ, клонированного голоса и других поддельных аудиозаписей. Модель построена на аудиоэнкодере Wav2Vec с архитектурой wav2vec2-dual-hypersphere; число параметров — 113,3 млн. Она принимает аудио с частотой дискретизации 16 кГц и обрабатывает его блоками по 12 секунд. Два этапа L1-нормализации признаков призваны снизить зависимость классификатора от величины эмбеддингов.

Модель tmdeptrai3012/bamiBERT-prompt-injection-vi-en разработана на основе Qualcomm-AI-Research/BamiBERT и дообучена для обнаружения prompt injection в пользовательском тексте. Она предназначена для классификации текста на вьетнамском, английском и их смешении, например для проверки пользовательских сообщений перед передачей их LLM. Модель построена на архитектуре RoBERTa, содержит 129 млн параметров и рассчитана на контекст до 2050 токенов. В README сообщаются результаты оценки: accuracy 0,97 и F1 0,9691; эти значения относятся к указанному набору оценки и не гарантируют такую же точность на других данных. Репозиторий включает веса Safetensors и формат ONNX. Лицензия — Apache-2.0.

ElSlay/BERT-Phishing-Email-Model — англоязычная модель классификации электронных писем на фишинговые и легитимные. Автор дообучил BERT для бинарной классификации текста писем на датасете zefang-liu/phishing-email-dataset. Модель построена на google-bert/bert-base-uncased, использует архитектуру BertForSequenceClassification и библиотеку Transformers; содержит 136,7 млн параметров и рассчитана на контекст до 512 токенов. Модель подходит для автоматической проверки текста писем и предварительной фильтрации подозрительных сообщений. Карточка не приводит метрики качества или подробности о составе обучающих данных. Лицензия в предоставленных сведениях не указана.

Cyber-Ornith-1.5-9B-OBLITERATED — языковая модель DuoNeural для задач кибербезопасности, работы в терминале и вызова инструментов. Это дообученная версия OBLITERATUS/Ornith-1.5-9B-OBLITERATED на плотной архитектуре Qwen3.5 с 7,2 млрд параметров; модель доступна в формате safetensors и рассчитана на контекст до 262 144 токенов. В карточке заявлены QLoRA-адаптация, сохранение режима рассуждений и поддержка диалоговой работы с инструментами. Модель предназначена для анализа уязвимостей и угроз, помощи при аудите безопасности, подготовки исправлений, выполнения многошаговых задач в CLI и структурированного вызова функций. Она ориентирована на англоязычные запросы и обучалась в том числе на данных по кибербезопасности, командной строке и использованию инструментов. Разработчик приводит результаты внутренних оценок, но их нельзя считать независимой гарантией качества. Модель обозначена как uncensored; её ответы на запросы безопасности требуют проверки и контроля со стороны пользователя. Лицензия — Apache-2.0.

Vanessasml/cyber-risk-llama-3-8b — дообученная модель на основе Meta Llama 3 8B, созданная для анализа кибербезопасности. Она генерирует ответы по новостям о кибербезопасности, помогает выявлять киберугрозы и классифицировать данные по таксономии NIST и рекомендациям ITC EBA для IT-рисков. Модель использует плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров и контекстом до 8192 токенов. Она принимает текст и выдаёт текст; README указывает на обучение с помощью LoRA и 4-битную NF4-квантизацию с вычислениями в float16. Качественная оценка описана как экспертная проверка релевантности и связности ответов в контексте кибербезопасности. Модель предназначена для специалистов по данным и разработчиков приложений в области кибербезопасности. Она может хуже работать за пределами этой области, а смещения обучающих данных могут отражаться в ответах. README предостерегает от использования для медицинских советов, юридических решений и критически важных систем. Лицензия в предоставленных данных не указана.

JasperLS/deberta-v3-base-injection — англоязычная модель классификации текста, полученная дообучением microsoft/deberta-v3-base на наборе данных promp-injection для выявления prompt injection. Это плотная архитектура DeBERTa-v3 с примерно 211,6 млн параметров и контекстом до 512 токенов. В README указаны результаты на тестовой выборке: accuracy 0,9914 и loss 0,0673. Модель предназначена для классификации текстовых фрагментов при проверке на prompt injection. Она может быть полезна как компонент фильтрации входных данных в приложениях с LLM; результаты на указанной выборке не гарантируют такую же точность на других данных. Модель распространяется по лицензии MIT.

Aryan1245678/DecodeX_Voice-Engine — модель бинарной классификации аудио для выявления синтетической или поддельной речи. Она использует энкодер facebook/wav2vec2-base как извлекатель признаков и классификатор на основе двунаправленного GRU с многоголовой внимательностью; сверточные слои Wav2Vec2 заморожены. Всего около 98,5 млн параметров. Модель принимает одноканальные аудиофрагменты длительностью 4 секунды с частотой 16 кГц и выдаёт вероятность того, что запись поддельная; порог по умолчанию — 0,5. Модель предназначена для предварительной проверки голосовых записей и поддержки рабочих процессов обнаружения дипфейков. В карточке заявлены метрики на объединённой проверочной выборке: точность 95–97%, F1 около 0,94 и AUC-ROC около 0,96; результаты зависят от данных и условий записи. Указана лицензия Apache-2.0.

DF Arena 1B — модель RAPTOR для обнаружения поддельной и синтезированной речи, разработанная командой Speech Anti-Spoofing Benchmarks. Она использует фронтенд wav2vec 2.0 XLS-R на 1 млрд параметров, объединяет скрытые состояния его слоёв обучаемым вниманием и обрабатывает результат четырёхблочной Conformer-головой с классификатором двух классов. Всего модель содержит 1,148 млрд параметров и выдаёт оценки классов bonafide и spoof для аудиозаписи. Модель предназначена для проверки подлинности речи и выявления аудиоспуфинга в наборах данных и прикладных системах. На вход подаётся аудио с частотой дискретизации 16 кГц; для классификации используется детерминированное окно длиной около 4,04 секунды: короткие записи повторяются до нужной длины, а длинные обрезаются. В README приведены результаты на 24 наборах данных со средним EER 3,66%. Для работы требуется PyTorch и, согласно примеру в README, CUDA; в примере используется Transformers с trust_remote_code. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией репозитория. Ограничение фиксированным окном означает, что модель не оценивает всю длинную запись целиком; README также указывает, что ресэмплинг не выполняется автоматически.

DF Arena 500M V1 — универсальная модель для выявления поддельной или синтезированной речи и аудио, разработанная командой Speech Arena. Она классифицирует аудио как spoof или bonafide и возвращает оценки классов. Модель обучалась на наборах данных с речью, пением и экологическими аудиоподделками, включая ASVspoof, Codecfake, LibriSeVoc, DFADD, MLAAD и EnvSDD. Модель предназначена для проверки подлинности аудиозаписей и оценки систем генерации речи. В README приведены результаты на нескольких наборах: качество различается между тестами, поэтому опубликованные показатели не гарантируют такой же точности на новых источниках и типах подделок. Для обработки требуется аудиовход; пример использует аудио с частотой 16 кГц и PyTorch. Лицензия указана как other, без уточнения условий в предоставленных данных.

Builder117 разработала дообученный классификатор на базе DistilBERT для обнаружения опасных фрагментов в текстах, сгенерированных LLM. Модель относит текст к классу SAFE или MALICIOUS и предназначена для проверки вывода перед его показом пользователям или передачей другим системам. Классификатор выявляет признаки XSS, SQL- и командных инъекций, обхода путей и UNION-атак. Его можно встроить в конвейер проверки безопасности вывода LLM; модель также описана как часть набора LLM Threat Shield для обнаружения угроз OWASP LLM Top 10. Архитектура — DistilBERT для классификации последовательностей, формат весов — safetensors, максимальная длина контекста — 512 токенов. Указан английский язык, лицензия Apache-2.0. Модель может пропускать закодированные полезные нагрузки, не учитывает контекст построения запросов и способна ошибочно помечать документацию по безопасности, в которой цитируются атакующие строки.

Это модель Sentence Transformer, дообученная разработчиками ubco-mds-2025-capstone-fujitsu-1 на базе intfloat/e5-large для поиска по смыслу в текстах о CVE и уязвимостях. Она преобразует предложения и абзацы в нормализованные плотные векторы размерностью 1024; близость текстов можно оценивать косинусным сходством. Архитектура включает BERT-трансформер, mean pooling и нормализацию; библиотека — Sentence Transformers. Максимальная длина последовательности составляет 512 токенов. Модель подходит для поиска релевантных описаний уязвимостей по запросу и сопоставления семантически близких текстов о CVE. В README приведены результаты оценки поиска на validation-наборе, включая cosine_accuracy@1 0,7087 и @5 0,8555. Данных о лицензии в предоставленной карточке нет. Базовая модель e5-large описана как англоязычная, а сведения о языковом охвате дообученной модели отдельно не приведены.

GambronAI-Persian-Cybersecurity-r1 — разговорная языковая модель на архитектуре Qwen2, дообученная для задач кибербезопасности. Разработчик позиционирует её для анализа эксплойтов, тестирования на проникновение, обратной разработки, анализа вредоносных программ и поиска уязвимостей; модель также предназначена для подготовки технических отчётов и генерации кода. По карточке она работает на персидском (фарси) и английском языках, имеет 7,1 млрд параметров и контекст до 32 768 токенов. Модель принимает текст и генерирует текст в формате чата. В репозитории опубликованы веса safetensors; указана лицензия Apache-2.0. Карточка заявляет неограниченную генерацию технических инструкций, поэтому результаты, особенно для анализа уязвимостей и эксплойтов, требуют проверки и контроля при использовании.

Horus Cyber Nano 1.0 — компактная мультимодальная модель с открытыми весами от TokenAI, предназначенная для задач кибербезопасности и инженерной работы. В README указана архитектура vision-language модели с причинным декодером Mixture-of-Experts; метаданные относят её к семейству Kimi VL и указывают реализацию KimiVLForConditionalGeneration. Модель принимает текст и изображения и формирует текстовые ответы. Модель предназначена для проверки исходного кода на уязвимости, анализа и устранения проблем безопасности, рассуждений о разрешённых red-team проверках, работы с терминалом и анализа скриншотов, кода и вывода команд. Метаданные также указывают поддержку чата и кода. README приводит результаты тестов, но отмечает, что протоколы оценки могут различаться между поставщиками. Указана лицензия TokenAI Custom License (в метаданных — other); перед использованием следует проверить её условия. README не приводит размер модели и длину контекста. Модель может галлюцинировать или давать непоследовательные ответы о собственной идентичности; технические выводы и предложения по исправлению следует проверять.

Hushmark-TR 289M — турецкая модель распознавания именованных сущностей, разработанная Hushmark и дообученная на базе urchade/gliner_multi_pii-v1 с энкодером microsoft/mdeberta-v3-base. Это полный чекпойнт архитектуры GLiNER на 288 949 504 параметра, предназначенный для поиска в тексте 12 категорий персональных данных и других чувствительных сущностей, включая людей, адреса и организации. Модель предлагает границы сущностей для последующей обработки в системах защиты данных и поддерживает PyTorch и FP32 ONNX. Максимальная длина входа — 384 токена, ширина кандидата на сущность — 12 токенов; более длинный текст необходимо разбивать на фрагменты. Опубликованная оценка получена на синтетических, близких по шаблонам наборах данных и не гарантирует качество на реальных текстах. Возможны ложные срабатывания и пропуски; требуется проверка на данных конкретной организации. Модель сама не выполняет анонимизацию и не гарантирует соблюдение законодательства. Лицензия — Apache-2.0.

Legion Ares — специализированная языковая модель проекта Legion для локальной аналитики безопасности. Она принимает результаты, уже подтверждённые детерминированным движком обнаружения Legion, и составляет краткое резюме: общая оценка ситуации, наиболее важная находка с обоснованием и одно следующее действие. Утверждения должны опираться на конкретные артефакты, например путь к файлу, IP-адрес, пакет или идентификатор правила. Модель предназначена для синтеза результатов threat hunting и реагирования на инциденты, включая оповещения, совпадения правил и YARA, уязвимости OSV и оценку состояния хоста. Она работает локально через Ollama; основной вариант на 1,7 млрд параметров рассчитан на размещение, в том числе на GPU с 8 ГБ памяти. README описывает QLoRA-дообучение и самодистилляцию, а метаданные указывают на слияние с Qwen3-1.7B и Qwen3-4B; доступны варианты GGUF Q4_K_M, GGUF Q8_0 и safetensors. Модель ориентирована на английский язык и обычный текстовый ввод и вывод. По заявленным результатам, лучшая сборка прошла 46 из 48 проверок, не выдумывала индикаторы и показала полное соответствие ответов исходным данным на тестовом наборе. Это специализированная модель, а не средство обнаружения угроз или универсальный чат-бот: она анализирует только переданные находки и намеренно не сообщает о том, чего нет во входных данных. Лицензия — MIT.

MeridianPII Hindi/Hinglish v2 — модель для обнаружения персональных данных в тексте на хинди (деванагари), хинглише и индийском английском. Она разработана как региональный набор для индийских локалей и дообучена на базе microsoft/Multilingual-MiniLM-L12-H384. Это модель BERT для классификации токенов с 64,3 млн параметров и контекстом до 512 токенов; доступны веса Safetensors и квантированная INT8-версия ONNX размером около 55 МБ для запуска в браузере через transformers.js. Модель размечает имена, адреса и другие контекстные PII-сущности, чтобы их можно было находить перед маскированием или редактированием текста. В описанной авторами оценке на тестовом наборе из 2 000 строк полнота обнаружения частных данных составила 99,8%, однако на человеко-написанных именах хинди вне распределения — 80,4%. Авторы рекомендуют сочетать модель с детерминированными проверками структурированных идентификаторов и отдельно оценивать её на собственных данных. Лицензия — CC BY 4.0.

MoAI-Privacy-Filter — модель распознавания сущностей, связанных с конфиденциальностью, разработанная BCCard путём полного дообучения openai/privacy-filter. Она размечает фрагменты текста на корейском и английском языках 29 типами сущностей, используя 117 классов BIOES для границ токенов. Модель предназначена для поиска персональных и других чувствительных данных в клиентских обращениях, документах, письмах и журналах до передачи текста внешним сервисам, а также для построения типизированных фрагментов, которые приложения могут маскировать, сохранять или направлять на проверку по собственным правилам. В карточке указаны результаты строгой micro F1: 0,9824 для корейского и 0,9708 для английского на отложенной валидации; на независимом Golden Set — 0,9732 и 0,9650 соответственно. Архитектура — смесь экспертов, модель рассчитана на контекст до 131 072 токенов, однако обучающие примеры ограничены 1024 токенами. Для корректного восстановления сущностей требуется декодирование BIOES с ограничениями переходов и сопоставление смещений токенов с исходным текстом. Модель только находит и классифицирует фрагменты, но не определяет, как их обрабатывать; метки PORT и ORGANIZATION также не являются персональными данными. Оценка проводилась на синтетических данных, поэтому качество на реальных текстах, OCR-ошибках, сленге и неизвестных форматах не установлено; другие языки и области не проверялись. Лицензия — Apache-2.0.

ModernBERT Prompt-Injection Detector — англоязычный классификатор для выявления попыток prompt injection в текстах, которые читает AI-агент: письмах, документах и результатах работы инструментов. Модель разработана на базе answerdotai/ModernBERT-base и дообучена для классификации последовательностей. Она содержит около 149 млн параметров, поддерживает контекст до 8192 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Для обучения использована дистилляция: метки, полученные от языковой модели-судьи, перенесены на классификатор ModernBERT. В обучающую выборку вошли синтетические и опубликованные примеры атак, обфусцированные строки и трудные отрицательные примеры с обычными запросами на действия. В описанной автором проверке на отложенной выборке заявлены полнота 0,98 при уровне ложных срабатываний 1% и точность 0,99 при пороге 0,5. Модель предназначена для первого этапа фильтрации недоверенного текста и не заменяет проверку происхождения данных или контроль разрешённых действий агента. Она может ошибочно помечать безвредный текст, похожий по форме на атаку, и не может определить намерение или доверенность отправителя только по содержимому. Указана лицензия Apache-2.0.

M.O.G.-SEC-27B-1M-CTX-GGUF — мультимодальная GGUF-версия модели Qwentium из линейки Minds of Gods, разработанная Blackfrost Research. Модель основана на Blackfrost-Research/M.O.G.-SEC-27B-1M-CTX-BF16 и относится к 27B-классу. Она предназначена для задач offensive и defensive cybersecurity, включая анализ разведданных, уязвимостей, репозиториев, эксплуатационных заметок, средств обнаружения, отчётов и длительных рабочих сценариев. Модель использует плотную гибридную архитектуру qwen35 с Gated DeltaNet и gated attention, поддерживает native vision и мультимодальный/tool-use шаблон. Заявлено окно контекста до 1 000 000 токенов через YaRN при исходном контексте 262 144 токена. Доступны квантизации GGUF от Q2_K до Q8_0; рекомендуемым вариантом назван Q4_K_M. Также предусмотрены отдельный BF16 DFlash2 draft-файл для speculative decoding и F16 vision-проектор. Указана поддержка английского и многоязычного ввода, однако конкретный перечень языков не приведён. Сильными сторонами являются большой контекст, поддержка изображений, инструментального взаимодействия, специализированная настройка под кибербезопасность и широкий выбор размеров квантизации. Ограничения включают высокие требования к памяти, особенно при использовании миллионного контекста, необходимость свежей версии llama.cpp с поддержкой гибридной архитектуры, а для DFlash2 — специальной ветки или ревизии llama.cpp. Модель позиционируется как исследовательская система для профессиональных сценариев, а не как обычный потребительский чат-бот, и может генерировать материалы для наступательной безопасности, поэтому требует строгого контроля доступа. Лицензия указана как Apache-2.0.

M.O.G.-SEC-27B-1M-CTX-NVFP4 — мультимодальная модель Qwentium из линейки Minds of Gods, разработанная Blackfrost Research. Это дообученная версия Blackfrost-AI/M.O.G.-SEC-27B-1M-CTX-BF16 на базе Qwen3.8-27B, ориентированная на операторскую работу в области кибербезопасности: offensive security, defensive security, анализ уязвимостей, разведку, разработку эксплойтов, создание правил обнаружения, охоту за угрозами, планирование эмуляции атак и подготовку технических отчётов. Модель имеет плотную гибридную архитектуру GDN с gated attention и встроенной поддержкой изображений, работает с текстом и визуальными данными и заявлена для английского и многоязычного использования. Она использует квантование NVFP4 по схеме W4A4, FP8 E4M3 для KV-кэша при обслуживании и контекст до 1 000 000 токенов, расширенный с исходных 262 144 токенов с помощью YaRN. Для ускоренного декодирования предусмотрена интеграция с DFlash 2; в README указана лабораторная скорость около 81–89 токенов в секунду с speculative decoding и около 61 токена в секунду без него. Сильные стороны модели — специализация на современных практических задачах кибербезопасности, сочетание атакующих и защитных сценариев, поддержка очень длинного контекста и мультимодальности. README также сообщает о результате 96,3% на HumanEval и показателе 65/70 на валидации MMLU-Pro, однако эти значения зависят от конфигурации запуска. Ограничениями являются высокие требования к инфраструктуре, возможное ухудшение качества на коротком контексте из-за постоянно включённого YaRN и необходимость строгого контроля доступа: модель позиционируется как исследовательская и не предназначена для всех аудиторий. Распространяется по лицензии Apache-2.0.

Mythoseek — языково-зрительная модель примерно на 10 млрд параметров, разработанная Merlin Research в рамках программы KAON и дообученная на основе DeepSeek V4 Pro-Qwen3.5 9B Distilled. Она предназначена для исследований уязвимостей, анализа CVE, тестирования на проникновение, OSINT, классификации CWE и подготовки отчётов по безопасности. Обучение включало дистилляцию трасс рассуждений, GRPO с проверяемыми наградами и настройку использования инструментов; заявлена поддержка диалогов, вызова инструментов и изображений. В тесте CyberGym авторы сообщают pass@4 от 12% до 62% в зависимости от уровня предоставленной опоры. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

OPF Russian PII 66K — дообученная модель OpenAI Privacy Filter, разработанная для выявления и разметки персональных данных в русском тексте. Это модель token classification семейства privacy_filter с архитектурой MoE, около 145,4 млн параметров; она выдаёт OPF-совместимые предсказания фрагментов и поддерживает локальную фильтрацию перед обработкой текста LLM или RAG-системами. Модель предназначена для текстов финансовых сервисов, поддержки клиентов и колл-центров. Она распознаёт имена, телефоны, адреса, даты, номера счетов и документов, налоговые номера, имена пользователей и секреты, помогая строить конвейеры маскирования и анонимизации. Карточка приводит высокие метрики на валидационной выборке обучающего датасета, но предупреждает, что они не гарантируют качество на реальных данных вне этого распределения. Модель дообучена на bbeglerov/russian-pi-66k-opf на базе openai/privacy-filter и опубликована в формате safetensors. Лицензия указана как other. Не рекомендуется использовать её как единственную меру защиты персональных данных без дополнительной проверки; возможны ошибки на шумных транскрипциях, казахском и смешанном тексте, новых форматах, намеренно скрытых данных и текстах из других областей.

Paralay 1.1 — Merged — это диалоговая языковая модель Om Choksi для помощи в задачах защитной кибербезопасности. Она создана на основе Qwen/Qwen2.5-1.5B-Instruct: модель дообучена с помощью LoRA, а адаптер объединён с базовой моделью. Архитектура — плотная Qwen2, размер — 1,5 млрд параметров, контекст — до 32 768 токенов. Модель принимает текст и генерирует текст; в карточке указан английский язык. Модель предназначена для объяснения принципов кибербезопасности, помощи при реагировании на инциденты, анализа журналов, моделирования угроз, облачной безопасности, разбора уязвимостей и безопасного программирования. Среди заявленных сценариев — рекомендации по обнаружению вредоносной активности и устранению небезопасных шаблонов кода. По описанию, модель отказывает в запросах на создание фишинга, вредоносных программ, кражу учётных данных и другие вредоносные действия, предлагая защитные альтернативы. Компактный размер может ограничивать точность сложных многоэтапных рассуждений. Знания о новых CVE и актуальной обстановке угроз ограничены датой обучения; ответы следует проверять и не считать заменой профессиональным инструментам или аналитикам. Модель выпущена под лицензией Apache-2.0.

Модель Forrest20231206/pii-zh-qwen3-0.6b-24class — дообученный на базе ZJUICSR/AIguard-pii-detection-fast токен-классификатор для поиска символьных фрагментов с персональными и другими чувствительными данными в текстах на упрощённом китайском языке. Её разработчик — Forrest20231206. Модель рассчитана на выявление 24 типов сущностей, включая имена, телефоны, адреса, идентификаторы, банковские реквизиты и секреты; она выдаёт метки токенов, из которых декодер формирует границы найденных фрагментов. Архитектура — Qwen3BiForTokenClassification с примерно 0,6 млрд параметров, 28 слоями и размером скрытого состояния 1024. Используется двунаправленное full attention без causal mask; схема из 73 меток и constrained-Viterbi декодирование обеспечивают допустимые последовательности B/I/E. Контекст модели — 40 960 токенов. Для корректного получения границ README рекомендует специальный загрузчик проекта с constrained-Viterbi, а не стандартную агрегацию токенов Transformers. Обучающая, валидационная и тестовая выборки этой версии состоят из синтетических данных. На независимом синтетическом тесте строгий micro F1 составил около 0,952, но показатели на другом синтетическом тесте и публичном китайском бенчмарке заметно ниже. Поэтому модель предназначена для расширения охвата типов сущностей в китайском PII-детекторе, а не для безусловной замены зрелого основного детектора; перед применением требуется проверка на целевом домене. Лицензия репозитория — Apache-2.0, при этом условия базовой модели следует проверять отдельно.

Карточка модели EdgeAIMed/privacy-filter-nemotron на Hugging Face совпадает с карточкой OpenMed/privacy-filter-nemotron, поэтому описание составлено по ней. OpenMed разработала privacy-filter-nemotron — модель токенной классификации для выявления и типизации персональных данных в тексте. Это полное дообучение openai/privacy-filter на наборе nvidia/Nemotron-PII. Модель использует архитектуру MoE и разметку BIOES: 55 категорий PII представлены 221 классом токенов. В метаданных указаны 145,4 млн параметров и контекст до 131 072 токенов; веса опубликованы в формате safetensors для Transformers. Модель предназначена для извлечения фрагментов с персональными данными и передачи их в конвейеры маскирования или деидентификации. В тестировании на отложенной выборке из Nemotron-PII заявлены macro B-F1 0,9533 и точность токенов 0,9910; для декодирования границ авторы рекомендуют Viterbi. Лицензия — Apache-2.0. Обучающие данные преимущественно англоязычные, поэтому качество для других языков не гарантируется. Категории вроде профессии, языка, пола и политических взглядов менее надёжны, чем формально записываемые идентификаторы; синтетические данные также могут отличаться от реальных медицинских, юридических и веб-текстов. Для важных сценариев нужна проверка на данных целевого домена и дополнительный контроль результатов.

A4Ash/prompt-injection-distilbert — дообученная модель DistilBERT для выявления prompt injection и jailbreak-атак в текстовых запросах к LLM. Она классифицирует входной текст как безопасный или содержащий инъекцию и предназначена для предварительной фильтрации прямых атак, попыток смены роли и обфусцированных полезных нагрузок. Модель основана на distilbert/distilbert-base-uncased и использует архитектуру DistilBertForSequenceClassification. Она принимает текст, поддерживает английский язык, а контекст ограничен 512 токенами; по описанию модели входы длиннее 256 токенов при обучении обрезались. В тесте на 1 380 примерах авторы сообщают F1 0,988 для класса атак, однако эти результаты не гарантируют такую же точность на новых данных. Модель следует использовать как один из уровней защиты приложения, а не как единственную меру безопасности. Известны ошибки разметки обучающих данных, недостаточная проверка многоязычного применения и уязвимость к новым, адаптивным или сильно обфусцированным атакам. Лицензия — MIT.

Sentinel v2 — модель классификации текста, разработанная rogue-security и дообученная на базе Qwen/Qwen3-0.6B. Она предназначена для обнаружения prompt injection и jailbreak-атак во входных запросах к большим языковым моделям и может использоваться как фильтр перед передачей запросов чат-боту или как компонент системы модерации. По карточке, модель содержит около 596 млн параметров, работает с текстом, поддерживает контекст до 32K токенов и рассчитана прежде всего на английский язык. В опубликованной оценке средний F1 составил 0,957 на пяти бенчмарках; пример вывода содержит метку класса и оценку уверенности. Модель не предназначена для генерации текста или общего анализа тональности. Она может ошибочно классифицировать творческие и неоднозначные запросы; оценка на неанглоязычных данных не проводилась, поэтому заявленная применимость ограничена английским языком. Для сложных атак рекомендуется сочетать её с проверкой человеком или правилами. В README указана лицензия Elastic и возможность коммерческого использования; метаданные Hugging Face обозначают лицензию как other, поэтому перед внедрением следует проверить условия лицензии в репозитории.