JoasASantos/Offensive-Security-AI-Models

解決する問題

このプロジェクトは、通常の安全拒否に制限されないオープンウェイト言語モデルのニーズに対応します。これにより、セキュリティ専門家は認可されたレッドチーム運用、ペネトレーションテスト、セキュリティ研究に使用できます。標準モデルは攻撃的セキュリティプロンプトに応答を拒否することが多く、これらの焦点を絞ったタスクでの有用性が制限されます。

仕組み

これは25以上の無検閲モデルのキュレーションリストで、各モデルに明確な仕様表があります。リストには、ベースモデル、パラメータ数、コンテキスト長、VRAM要件、拒否を除去するために使用された方法（セキュリティデータでの教師あり微調整、アブリテレーション、直接の重み変更など）、トレーニングデータソース、ツール呼び出しやビジョンのサポート有無が含まれます。エントリは「セキュリティ微調整モデル」、「一般的なアブリテレーションモデル」、「レガシー/クラシックモデル」にグループ化されています。READMEには、これらのモデルをホストまたは有効化するクラウドプロバイダーもリストされており、マネージドAPIサービスとセルフホスティング用のGPUクラウドオプションの両方が含まれます。

対象読者

セキュリティ研究者、ペネトレーションテスター、レッドチーマー、および脆弱性分析、エクスプロイト開発、脅威インテリジェンス、攻撃的ツールなどの認可されたセキュリティタスクのために無検閲LLMを実行したい開発者。VRAMサイズやマネージド推論オプションを含む展開ガイダンスが必要な人にも役立ちます。

ハイライト

• 27モデルをカバー。小型1.5Bから巨大753B MoEアーキテクチャまで
• 詳細な仕様：コンテキスト長は最大1M、VRAMは約2 GBからマルチGPUセットアップまで
• 複数の無検閲方法を文書化：セキュリティデータでのSFT、アブリテレーション、LoRA、直接の重み編集
• ベンチマーク結果を含む（例：GTFOBins 100%精度、CyberBench改善）
• 多くのモデルのツール呼び出しとビジョン機能に言及
• すべてのモデルにHuggingFaceダウンロードリンク
• マネージド推論プロバイダー（OrcaRouter、Featherless、Together）とGPUクラウド（RunPod、Vast.ai）をリスト