GPT
הוספת כלי
C

CyberStrike-OffSec-35B

קוד פתוח

oyildirimother2026-06-25

  • transformers
  • safetensors
  • qwen3_5_moe
  • image-text-to-text
  • offensive-security

המודל הזה נועד להריץ כלי תקיפה ואבטחת מידע באוטומציה אמיתית. הוא מתאים למי שצריך סוכן בדיקות חדירה שיודע להפעיל כלים במבנה מוגדר בלי להמציא תוצאות.

  • 35Bפרמטרים
  • 262,144טוקנים בהקשר
  • 65.4 GBמשקל הקבצים
  • 2,115הורדות בחודש

מה זה

הבסיס כאן הוא מודל תערובת מומחים של Qwen שעבר התאמה ממוקדת על 300 דוגמאות בלבד. המטרה לא הייתה ללמד אותו מושגי אבטחה חדשים, אלא לתקן בעיה חמורה של הגרסה הקודמת, שנטתה להזות פלטים של פקודות כמו סריקות רשת ולולאות בלי לעצור לעולם.

בבדיקה מול 24 תרחישים, הגרסה הזו הגיעה ל־18 קריאות כלי תקינות לעומת אפס בגרסה הקודמת, וסיימה את הריצה בצורה נקייה בכולם. היא פולטת מבנה תקין שמערכות אוטומציה יכולות לקרוא ישירות, ומנתבת את המשימות לסוגי סוכנים מוגדרים במקום לקודים פנימיים שבורים.

מתאים ל

  • הפעלת כלי בדיקות חדירה

    הוא יודע לייצר קריאות כלי במבנה תקין שמערכות תקיפה אוטומטיות יכולות להריץ בפועל.

  • איסוף מודיעין על מערכות

    הוא מנתב משימות לסוכני משנה מתאימים בלי להמציא פלטים מזויפים של פקודות רשת.

  • סוכן חקירה לתשתיות רשת

    הוא עוצר בסיום המשימה ולא נתקע בלולאות אינסופיות של פקודות סרק.

איפה זה נופל

הדיוק בבחירת הכלי הנכון עומד על 10 מתוך 24 תרחישים בלבד בבדיקות, כך שעדיין יש מקרים של בחירת כלי שגוי או שמות סוכנים לא תקניים. בנוסף, אם תעבירו לו פרומפט קצרצר לביצוע איסוף מידע יחד עם סכמת כלים מצומצמת של כלי יחיד, הוא עלול להיכנס ללולאת חזרות בתוך הפרמטרים של הקריאה.

שאלות
נפוצות

האם המודל מריץ את הפקודות וההתקפות בעצמו?

לא. המודל רק מייצר את הטקסט של קריאת הכלי והארגומנטים שלה, ומערכת ההרצה שלכם צריכה לקבל את הפלט, לבצע את הפקודה בפועל ולהחזיר לו את התוצאה.

האם המודל חכם יותר בתחום הסייבר ממודל הבסיס?

הוא לא קיבל ידע תיאורטי חדש. האימון התמקד רק בתיקון הפורמט של הפעלת הכלים ובמניעת הזיות של תוצאות בדיקה.

מה לעשות אם המודל נתקע בלולאה וממשיך לייצר טקסט?

התופעה הזו מתרחשת כשמזינים מעט מדי כלים בסכמה. צריך להעביר לו תמיד את מערך הכלים המלא בהגדרות הריצה, או להגדיר קנס על חזרתיות בקוד.

איך מריצים

המשקל של הקבצים מגיע ל־65.4 ג'יגה־בייט, כך שתצטרכו שרת עם לפחות 80 ג'יגה־בייט של זיכרון כרטיס מסך כדי להריץ את המודל הממוזג במלואו. אפשר לטעון אותו ישירות דרך ספריית transformers בגרסת משקלים אחת, או להוריד רק את מתאם ה־LoRA ששוקל 169 מגה־בייט ולהרכיב אותו מעל מודל הבסיס.

מי שרוצה להשתמש במנוע vLLM ייתקל במכשול, כי הארכיטקטורה הזו נתמכת רק בגרסאות שמחייבות סביבת דרייברים של CUDA 13. אם אין לכם חומרה ייעודית מתאימה או כרטיס תומך, עדיף לחכות לתמיכה רחבה יותר או להריץ אותו דרך ספק צד שלישי.

from transformers import pipeline

pipe = pipeline("text-generation", model="oyildirim/CyberStrike-OffSec-35B")
print(pipe("שלום"))

הקבצים

26 קבצים במאגר, 65.4 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון מוגדר כמותאם אישית, תחת ההגדרה other. כרטיס המודל מגביל את השימוש המיועד למחקר ולבדיקות אבטחה מורשות בלבד, בלי אישור מפורש להפצה מסחרית רחבה בתוך מוצר.

הרישיון המלא בעמוד המודל ↗