security-slm-unsloth-1.5b
קוד פתוחNguumaapache-2.02026-03-13
מודל שפה קטן של 1.5B פרמטרים שרץ מקומית לגמרי ומנתח תרחישי אבטחת מידע. הוא מפעיל תהליך חשיבה מובנה לכל תשובה ומתאים למי שלא רוצה להוציא לוגים רגישים לענן.
- 1.1 GBמשקל הקבצים
- 2,135הורדות בחודש
- 53לייקים
מה זה
מדובר בהתאמה ממוקדת של DeepSeek-R1-Distill-Qwen-1.5B לניתוחי סייבר, הגנה והתקפה. הוא כולל תהליך חשיבה מובנה בתגית ייעודית בכל תשובה, ומתמקד באיומים ספציפיים שמעסיקים צוותים לאחרונה, כמו הרעלת קונטקסט ביישומי בינה מלאכותית, הזרקות עקיפות, תנועה רוחבית של סוכנים, הונאות פיננסיות ומיפוי לוגים לכללי סיגמא וטקטיקות מיטר.
בבדיקה של היוצר על עשרה פרומפטים קבועים מול מודל הבסיס, הציון הממוצע עלה מ־3.4 ל־8.0 מתוך 10, ואורך התשובות ירד מ־341 מילים ל־272 מילים. זה אומר בעיקר שהוא חותך קשקושים וניגש ישירות לפרטים הטכניים, אבל עשרה פרומפטים הם מדגם זעיר שלא משקף מבחן ביצועים מקיף.
מתאים ל
- ניתוח לוגים בסביבה מבודדת
זיהוי אינדיקטורים לחדירה והזרקות ללא שליחת מידע רגיש לענן ציבורי.
- יצירת כללי זיהוי
תרגום תיאורי מתקפות לכללי סיגמא ושאילתות לוגים על חומרה בסיסית.
- אימון ופתרון אתגרי סייבר
ליווי מתחילים בפירוק שלבי מתקפה בזכות פלט חשיבה שמפרט כל שלב.
איפה זה נופל
האימון נעשה על אוסף נתונים מצומצם של 11 תחומים. הוא אינו מאגר מקיף של כל חולשות האבטחה, ומסדי הנתונים של מיטר והחולשות מכילים רק תת־קבוצה שנבחרה ידנית, כך שחובה לאמת מזהים מול מאגרים רשמיים. פלייבוקים לטיפול בכופרות וניתוחי רגולציה כמו תקנות הגנת מידע אירופיות או תקני תשלום הם כלליים בלבד ולא יכולים לשמש תחליף לייעוץ משפטי או תוכנית תגובה מותאמת תשתית.
שאלות
נפוצות
האם הוא תומך בעברית לניתוח אירועים?
המודל אומן והוגדר רשמית באנגלית בלבד. מונחים טכניים, לוגים ושאילתות יעבדו כמצופה, אך שאילתות בעברית עלולות להניב פלט משובש או שגוי.
האם אפשר להסתמך עליו לבדיקת עמידה בתקני אבטחה?
לא. הכרטיס מבהיר שסוגיות רגולציה מובאות כהמלצה כללית בלבד, והוא אינו מודע לכלל הדרישות המשפטיות או לנהלים ספציפיים בארגון.
האם הוא מסוגל לחלץ מידע ממאגרי חולשות עדכניים בזמן אמת?
לא, אין לו חיבור לרשת. הידע שלו מוגבל למה שהוטמע בו במהלך האימון, ולכן תמיד צריך להצליב מספרי חולשות מול מאגרים רשמיים.
איך מריצים
קובץ ה־GGUF שוקל כ־1.1 גיגה בייט ודורש סביב 1.2 גיגה בייט זיכרון עבודה בריצה. אפשר להריץ אותו דרך אולמה בפקודה אחת של שורת פקודה, או ישירות דרך llama.cpp, על מחשב פשוט עם 4 גיגה בייט זיכרון וללא כרטיס מסך ייעודי. למי שרוצה לשלב אותו בסקריפטים של פייתון, יש במאגר גם משקלי לורה בפורמט safetensors לטעינה עם transformers.
אם אתם צריכים לנתח דוחות חדירה ענקיים של מאות עמודים או לבצע סריקות קוד מורכבות על בסיס נתונים רחב, מודל של 1.5B יתקשה מאוד ועדיף לפנות למודלים גדולים דרך ממשק תוכנה חיצוני.
ollama run hf.co/Nguuma/security-slm-unsloth-1.5b:security-slm-finetuned
איזו גרסה
אותו מודל בכמה רמות דחיסה. ככל שהמספר נמוך יותר הקובץ קטן יותר ורץ על פחות זיכרון, והתשובות נהיות פחות מדויקות. רוב האנשים רוצים את הגדולה ביותר שנכנסת להם בזיכרון.
הקבצים
10 קבצים במאגר, 1.1 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.
הרישיון
הפרויקט מופץ תחת רישיון אפאצ'י שתיים אפס. מותר להשתמש בו לצרכים פנימיים ומסחריים, לשנות אותו ולהפיץ אותו כחלק ממוצר, בתנאי ששומרים על הודעת זכויות היוצרים וכתב הוויתור המקוריים.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש
- שימוש בפטנטים