JoasASantos/Offensive-Security-AI-Models

해결하는 문제

이 프로젝트는 일반적인 안전 거부에 제한되지 않는 오픈 가중치 언어 모델의 필요성을 해결합니다. 이를 통해 보안 전문가는 승인된 레드팀 운영, 침투 테스트 및 보안 연구에 사용할 수 있습니다. 표준 모델은 종종 공격적 보안 프롬프트에 응답을 거부하여 이러한 집중된 작업에서 유용성을 제한합니다.

작동 방식

이것은 25개 이상의 무검열 모델의 선별된 목록으로, 각 모델에 명확한 사양 표가 있습니다. 목록에는 기본 모델, 매개변수 수, 컨텍스트 길이, VRAM 요구 사항, 거부를 제거하는 데 사용된 방법(보안 데이터에 대한 지도 미세 조정, abliteration 또는 직접 가중치 수정 등), 훈련 데이터 소스, 도구 호출 또는 비전 지원 여부가 포함됩니다. 항목은 "보안 미세 조정 모델", "일반 Abliterated 모델", "레거시/클래식 모델"로 그룹화됩니다. README에는 이러한 모델을 호스팅하거나 활성화하는 클라우드 제공업체도 나열되어 있으며, 관리형 API 서비스와 자체 호스팅을 위한 GPU 클라우드 옵션이 모두 포함됩니다.

대상 사용자

보안 연구원, 침투 테스터, 레드 팀원 및 취약점 분석, 익스플로잇 개발, 위협 인텔리전스 또는 공격적 도구와 같은 승인된 보안 작업을 위해 무검열 LLM을 실행하려는 개발자. VRAM 크기 및 관리형 추론 옵션을 포함한 배포 지침이 필요한 사람에게도 유용합니다.

주요 특징

• 27개 모델을 다루며, 소형 1.5B에서 대형 753B MoE 아키텍처까지
• 상세 사양: 컨텍스트 길이 최대 1M, VRAM 약 2 GB에서 멀티 GPU 설정까지
• 여러 무검열 방법 문서화: 보안 데이터에 대한 SFT, abliteration, LoRA 및 직접 가중치 편집
• 벤치마크 결과 포함(예: GTFOBins 100% 정확도, CyberBench 개선)
• 많은 모델의 도구 호출 및 비전 기능 언급
• 모든 모델에 HuggingFace 다운로드 링크
• 관리형 추론 제공업체(OrcaRouter, Featherless, Together) 및 GPU 클라우드(RunPod, Vast.ai) 나열