Whiterabbitneo 7B V1.5a

🚀 白兔Neo（WhiteRabbitNeo）模型

白兔Neo（WhiteRabbitNeo）是一系列可用於攻防網絡安全的模型。當前，我們的模型以公開預覽的形式發佈，旨在展示其能力並評估此類人工智能對社會的影響。

🚀 快速開始

• 最新33B模型上線：我們最新的33B模型已上線，你可以在網頁應用中始終使用最新的模型。訪問地址：https://www.whiterabbitneo.com/
• 加入我們的Discord服務器：歡迎加入我們的Discord社區，鏈接：https://discord.gg/8Ynkrcbk92 （於12月29日更新，現為永久加入鏈接）

✨ 主要特性

白兔Neo模型可應用於攻防網絡安全領域，具備強大的安全分析和處理能力。

📦 安裝指南

此部分原文檔未提供具體安裝步驟，暫不展示。

💻 使用示例

基礎用法

import torch, json
from transformers import AutoModelForCausalLM, AutoTokenizer

model_path = "WhiteRabbitNeo/WhiteRabbitNeo-7B-v1.5a"

model = AutoModelForCausalLM.from_pretrained(
    model_path,
    torch_dtype=torch.float16,
    device_map="auto",
    load_in_4bit=False,
    load_in_8bit=True,
    trust_remote_code=True,
)

tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)


def generate_text(instruction):
    tokens = tokenizer.encode(instruction)
    tokens = torch.LongTensor(tokens).unsqueeze(0)
    tokens = tokens.to("cuda")

    instance = {
        "input_ids": tokens,
        "top_p": 1.0,
        "temperature": 0.5,
        "generate_len": 1024,
        "top_k": 50,
    }

    length = len(tokens[0])
    with torch.no_grad():
        rest = model.generate(
            input_ids=tokens,
            max_length=length + instance["generate_len"],
            use_cache=True,
            do_sample=True,
            top_p=instance["top_p"],
            temperature=instance["temperature"],
            top_k=instance["top_k"],
            num_return_sequences=1,
        )
    output = rest[0][length:]
    string = tokenizer.decode(output, skip_special_tokens=True)
    answer = string.split("USER:")[0].strip()
    return f"{answer}"


conversation = f"SYSTEM: You are an AI that code. Answer with code."


while True:
    user_input = input("You: ")
    llm_prompt = f"{conversation} \nUSER: {user_input} \nASSISTANT: "
    answer = generate_text(llm_prompt)
    print(answer)
    conversation = f"{llm_prompt}{answer}"
    # print(conversation)
    json_data = {"prompt": user_input, "answer": answer}

    # print(json_data)
    # with open(output_file_path, "a") as output_file:
    #     output_file.write(json.dumps(json_data) + "\n")

📚 詳細文檔

許可證：使用限制

你同意不以以下方式使用模型或模型的衍生作品：

• 以任何違反適用的國家或國際法律、法規或侵犯任何第三方合法權益的方式使用；
• 以任何方式用於軍事用途；
• 以任何方式用於剝削、傷害或試圖剝削、傷害未成年人；
• 為傷害他人而生成或傳播可證實的虛假信息和/或內容；
• 生成或傳播符合適用監管要求的不當內容；
• 在未獲得適當授權或進行不合理使用的情況下生成或傳播個人可識別信息；
• 誹謗、詆譭或以其他方式騷擾他人；
• 用於對個人合法權利產生不利影響或以其他方式創建或修改具有約束力、可執行義務的完全自動化決策；
• 用於基於在線或離線社會行為或已知或預測的個人或個性特徵對個人或群體進行歧視或傷害的任何用途；
• 利用特定人群基於年齡、社會、身體或精神特徵的任何弱點，以導致或可能導致該人群中的個人或他人身體或心理傷害的方式實質性扭曲該人群中個人的行為；
• 用於基於受法律保護的特徵或類別對個人或群體進行歧視的任何用途。

涵蓋主題

• 開放端口：識別開放端口至關重要，因為它們可能是攻擊者的入口點。常見的檢查端口包括HTTP（80、443）、FTP（21）、SSH（22）和SMB（445）。
• 過時軟件或服務：運行過時軟件或服務的系統通常容易受到攻擊。這包括Web服務器、數據庫服務器和任何第三方軟件。
• 默認憑據：許多系統和服務安裝時使用默認的用戶名和密碼，這些信息廣為人知且容易被利用。
• 配置錯誤：服務、權限和安全設置配置不正確可能會引入漏洞。
• 注入漏洞：SQL注入、命令注入和跨站腳本（XSS）是Web應用程序中常見的問題。
• 未加密服務：不使用加密的服務（如HTTP而不是HTTPS）可能會暴露敏感數據。
• 已知軟件漏洞：使用國家漏洞數據庫（NVD）等數據庫或Nessus、OpenVAS等工具檢查軟件中的已知漏洞。
• 跨站請求偽造（CSRF）：這是指從Web應用程序信任的用戶傳輸未經授權的命令。
• 不安全的直接對象引用：當應用程序根據用戶提供的輸入直接訪問對象時會發生這種情況。
• Web服務器/應用程序的安全配置錯誤：這包括不安全的HTTP頭或透露過多信息的詳細錯誤消息等問題。
• 身份驗證和會話管理漏洞：這可能允許攻擊者破解密碼、密鑰或會話令牌，或利用其他實現漏洞來冒用其他用戶的身份。
• 敏感數據暴露：包括暴露敏感數據（如信用卡號、健康記錄或個人信息）的漏洞。
• API漏洞：在現代Web應用程序中，API經常被使用，並且可能存在不安全的端點或數據洩露等漏洞。
• 拒絕服務（DoS）漏洞：識別容易受到DoS攻擊的服務，這些攻擊可能會使資源無法供合法用戶使用。
• 緩衝區溢出：在較舊的軟件中常見，這些漏洞可能允許攻擊者使系統崩潰或執行任意代碼。

使用條款

通過訪問和使用此人工智能（AI）模型，你（用戶）承認並同意你對模型的使用及其結果承擔全部責任。你在此同意賠償、辯護並使此AI模型的創建者、開發者以及任何關聯人員或實體免受因你使用AI模型而直接或間接產生的任何和所有索賠、責任、損害、損失、成本、費用、費用（包括合理的律師費和訴訟費）。

此AI模型按“原樣”和“可用”狀態提供，不提供任何形式的明示或暗示保證，包括但不限於適銷性、特定用途適用性和不侵權的保證。創建者不保證AI模型將滿足你的要求或在不間斷、安全或無錯誤的基礎上可用。

你使用AI模型需自行承擔風險和責任，並且你將對因使用AI模型而導致的計算機系統損壞或數據丟失承擔全部責任。

本免責聲明構成你與AI模型創建者之間關於你使用該模型的協議的一部分，取代你與創建者之間此前關於你使用此AI模型的任何協議。

📄 許可證

• 許可證名稱：deepseek
• 許可證鏈接：https://huggingface.co/deepseek-ai/deepseek-coder-33b-base/blob/main/LICENSE