kimi-cyber-reasoning
קוד פתוחechel0nn1881wtfpl2026-08-31
המאגר כולל 997 דוגמאות חשיבה צעד אחר צעד באבטחת מידע וארכיטקטורת מערכות. הוא מיועד למי שרוצה לאמן מודלים קטנים על הסקת מסקנות טכנית עמוקה והפעלת כלים בלי לבנות דאטה סינתטי מאפס.
- 1,149הורדות בחודש
- 40לייקים
מה זה
כל רשומה במאגר היא שיחה של שלוש הודעות: הוראת מערכת שקובעת פרופיל של מהנדס אבטחה בכיר, בקשת משתמש ממוקדת בתרחיש טכני, ותשובת מודל שפותחת בתגית חשיבה ומסתיימת בפתרון טכני, תיקון קוד בפורמט דיף או קריאה לפונקציה. התוכן נוצר באמצעות זיקוק ישיר ממודל Kimi K3 של חברת Moonshot AI דרך ה־API, תוך שימור מלא של חישובי זיכרון, ניתוחי אסמבלי ופירוק פרוטוקולים. מעבר לתשובות עצמן, כל דוגמה כוללת מטא-דאטה מפורט על עלויות הריצה בדולרים וכמות הטוקנים המדויקת שנצרכה.
הנתונים נחלקים לשבעה עשר תחומים, מתוכם שלושה עשר מוקדשים לאבטחה כמו פגיעויות זיכרון, ניתוח קבצים בינאריים, אבטחת רשתות ופיתוח מאובטח, וארבעה נוגעים להנדסת מערכות ומחשבים לכיול כללי. מבחינת סוגי המשימות, יש כאן חלוקה מוגדרת היטב בין תכנון הגנתי, שאלות טכניות מורכבות, סקירת קוד עם זיהוי חולשות, הפעלת כלים, וניתוח מעמיק של שרשראות ניצול ופגיעויות שורש.
מתאים ל
- אימון מודל מוסמך להפעלת כלים
כוונון מודל מקומי לחילוץ פרמטרים והרצת כלי סריקה ואבחון על בסיס 175 דוגמאות מובנות.
- הטמעת שרשראות חשיבה לאבטחה
לימוד מודלים קומפקטיים להסביר צעד אחר צעד חולשות זיכרון ופגיעויות קוד לפני כתיבת התיקון.
- סקירת קוד ואיתור חולשות
בניית רכיב אוטומטי שמנתח שגיאות בקוד, מצמיד להן תקן CWE ומייצר תיקון בפורמט דיף נקי.
איפה זה נופל
מדובר במאגר קטן מאוד של פחות מאלף רשומות, כך שהוא מתאים כעוגן ייעודי או כתוספת קטנה ולא כבסיס יחיד לאימון מודל שלם. כל החומר נכתב באנגלית בלבד ואין בו שום ייצוג לעברית או למונחים מקומיים. מעבר לכך, כל הדוגמאות הן פלט סינתטי של מודל יחיד, Kimi K3, מה שאומר שהטיות הניתוח ונקודות העיוורון שלו עברו ישירות לתוך הנתונים. תצטרכו לאמת בעצמכם את נכונות הקוד ותיקוני האבטחה לפני שאתם מריצים אותם בסביבה מבצעית.
שאלות
נפוצות
האם המאגר כולל עברית?
לא. כל הנתונים, התרחישים, שרשראות החשיבה והקוד כתובים באנגלית בלבד. אם המערכת שלכם צריכה לנתח אירועים או להפיק דוחות בעברית, תצטרכו לתרגם את הנתונים או להוסיף מאגר מקומי משלכם.
מותר להשתמש בזה למוצר מסחרי?
כן, הרישיון שהוגדר הוא WTFPL והוא לא מציב שום הגבלות על שימוש מסחרי, שינוי או הפצה. עם זאת, מכיוון שהתוכן הופק מ־API של מודל חיצוני, כדאי לוודא שתנאי השירות של Moonshot AI אינם מגבילים את השימוש בפלטים שלהם לטובת אימון מודלים מתחרים.
איך נאספו הנתונים?
כל הדוגמאות הופקו ישירות מקריאות לפלטפורמת Kimi K3 של חברת Moonshot AI באמצעות הנחיות ייעודיות לתפקיד מומחה אבטחה. לאחר היצירה נוקו מהתשובות התלבטויות סרק ומטא-דיונים, ונשמרו רק החלקים הטכניים, הקוד והחשיבה המהותית.
האם הדאטהסט מספיק גדול כדי לאמן מודל מאפס?
ממש לא. יש בו 997 רשומות בלבד, נפח שמתאים לכוונון עדין מאוד, להתאמת סגנון חשיבה או לכיול יכולות הפעלת כלים. לא הייתי משתמש בו כחומר אימון מרכזי אלא כתוספת ממוקדת למודל שכבר מחזיק בידע קודם נרחב.
איך טוענים
טוענים את הנתונים ישירות דרך הספרייה הרגילה של Hugging Face בפקודת load_dataset עם השם המלא של המאגר והספליט train. הקובץ המרכזי מגיע בפורמט jsonl ואין צורך לבקש אישור גישה מוקדם או להמתין למפתח. המבנה פשוט מאוד לצריכה: המערך messages מכיל את תוכן השיחה, ובתוך האובייקט meta תמצאו את סוג המשימה, התת-נושא, נתוני הטוקנים והאינדיקטור לכך שהדגימה אמיתית ולא נוצרה במוק.
from datasets import load_dataset
ds = load_dataset("echel0nn1881/kimi-cyber-reasoning")הרישיון
המאגר פורסם תחת רישיון WTFPL, שמתיר לעשות במידע לחלוטין מה שרוצים. מותר להשתמש בו לצרכים מסחריים, לשנות את הנתונים, להפיץ אותם מחדש ולאמן מודלים בלי חובת ייחוס ליוצר ובלי דרישה לשתף את התוצרים באותו רישיון. מבחינה משפטית השימוש פתוח לגמרי, אם כי כדאי לבדוק את תנאי השימוש של ספק המודל המקורי Kimi לגבי פלטים שנוצרו דרכו.