CyberStrike-OffSec-35B
आक्रामक सुरक्षा के लिए निर्मित भाषा मॉडल — 1M+ सुरक्षा परिदृश्यों पर फाइन-ट्यून किए गए, कई साइबर सुरक्षा बेंचमार्क में #1।
बेंचमार्क परिणाम
SecEval
81.39%
#1
+2.32 vs GPT-4-turbo
MITRE ATT&CK
93.94%
#1
+5.34 vs GPT-4
CWE Knowledge
93.05%
#1
CyberMetric-10K
86.61%
#4
/25 models
MMLU Security
86.00%
त्वरित शुरुआत
स्थानीय रूप से चलाने का सबसे आसान तरीका।
ollama run hf.co/oyildirim/CyberStrike-OffSec-35B-GGUF:Q4_K_MHuggingFace से सीधे या स्थानीय फ़ाइल के साथ चलाएँ।
./llama-cli -hf oyildirim/CyberStrike-OffSec-35B-GGUF \
-hff CyberStrike-OffSec-35B-Q5_K_M.gguf \
-p "Explain SSRF exploitation in cloud environments" \
-n 512 --temp 0.7OpenAI-संगत API के साथ प्रोडक्शन-ग्रेड सर्विंग के लिए।
vllm serve oyildirim/CyberStrike-OffSec-35B \
--dtype bfloat16 \
--max-model-len 4096 \
--trust-remote-codeHuggingFace Transformers लाइब्रेरी के साथ उपयोग करें।
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
model = AutoModelForCausalLM.from_pretrained(
"oyildirim/CyberStrike-OffSec-35B",
torch_dtype=torch.bfloat16,
device_map="auto",
trust_remote_code=True,
)
tokenizer = AutoTokenizer.from_pretrained(
"oyildirim/CyberStrike-OffSec-35B",
trust_remote_code=True,
)क्षमताएँ
GGUF क्वांटाइज़ेशन
llama.cpp, Ollama और LM Studio के साथ स्थानीय इनफरेंस के लिए अनुकूलित वेरिएंट।
उपयोग के मामले
पेनिट्रेशन टेस्टिंग
Web, नेटवर्क, क्लाउड और API सुरक्षा परीक्षण
Red Team ऑपरेशंस
पूर्ण Kill Chain सिमुलेशन और प्रतिद्वंद्वी अनुकरण
भेद्यता अनुसंधान
PoC डेवलपमेंट और एक्सप्लॉइट विश्लेषण
CTF प्रतियोगिताएँ
चुनौती समाधान और तकनीक पहचान
केवल अधिकृत उपयोग। ये मॉडल अधिकृत सुरक्षा परीक्षण, अनुसंधान और शिक्षा के लिए हैं। उपयोगकर्ताओं को किसी भी सिस्टम का परीक्षण करने से पहले लिखित प्राधिकरण प्राप्त करना होगा और सभी लागू कानूनों का पालन करना होगा।