Whiterabbitneo 33B V1.5

🚀 白兔新模型（WhiteRabbitNeo）

白兔新模型（WhiteRabbitNeo）是一系列可用於攻防網絡安全的模型。本項目的33B模型現已公開預覽其能力，同時也為了評估此類人工智能的社會影響。

🚀 快速開始

模型訪問

本模型現已上線（我們的網頁應用將始終提供最新模型），訪問地址：https://www.whiterabbitneo.com/

Discord服務器

加入我們的Discord服務器：https://discord.gg/8Ynkrcbk92 （12月29日更新，現為永久加入鏈接）

✨ 主要特性

• 適用於攻防網絡安全場景。
• 提供33B模型公開預覽。

📦 安裝指南

暫未提供相關安裝步驟，可參考使用示例中的代碼進行操作。

💻 使用示例

基礎用法

import torch, json
from transformers import AutoModelForCausalLM, AutoTokenizer

model_path = "whiterabbitneo/WhiteRabbitNeo-33B-v-1"

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

DeepSeek Coder許可證 + 白兔新模型擴展版本

許可證：使用限制

您同意不以以下方式使用本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、傷害或企圖剝削、傷害未成年人；
- 為傷害他人而生成或傳播可驗證的虛假信息和/或內容；
- 根據適用的監管要求，生成或傳播不適當的內容；
- 在未經適當授權或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、已知或預測的個人或個性特徵，歧視或傷害個人或群體的任何用途；
- 為了實質性扭曲特定人群的行為，從而導致或可能導致該人或他人身體或心理傷害，利用該特定人群基於年齡、社會、身體或心理特徵的任何弱點；
- 用於基於受法律保護的特徵或類別歧視個人或群體的任何用途。

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：配置不當的服務、權限和安全設置可能會引入漏洞。
- 注入漏洞：SQL注入、命令注入和跨站腳本攻擊（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處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。
- 認證和會話管理漏洞：這可能使攻擊者能夠破解密碼、密鑰或會話令牌，或利用其他實現漏洞來冒充其他用戶的身份。
- 敏感數據暴露：包括暴露敏感數據（如信用卡號碼、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，這種攻擊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，這些漏洞可能使攻擊者能夠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，您（用戶）承認並同意，您對模型的使用及其結果承擔全部責任。您特此同意賠償、辯護並使本AI模型的創建者、開發者以及任何關聯人員或實體免受因您使用該AI模型而直接或間接產生的任何及所有索賠、責任、損害、損失、成本、費用、費用（包括合理的律師費和訴訟費）。

本AI模型“按原樣”和“按可用狀態”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。創建者不保證該AI模型將滿足您的要求，或在不間斷、安全或無錯誤的基礎上可用。

您使用該AI模型需自行承擔風險和判斷，並且您將對因使用該AI模型導致的計算機系統損壞或數據丟失承擔全部責任。

本免責聲明構成您與該AI模型創建者之間關於您使用該模型的協議的一部分，取代您與創建者之間此前關於您使用該AI模型的任何協議。

📄 許可證

本模型使用DeepSeek許可證，詳情請見：https://huggingface.co/deepseek-ai/deepseek-coder-33b-base/blob/main/LICENSE