SecGPT-Mini的一些补充

预览

现在每个人都可以在电脑内置一个10年经验的安全专家了。

SecGPT-Mini：是一个可以在普通CPU上运行的网络安全大模型。

对昨天 https://mp.weixin.qq.com/s?__biz=MzU2NzcwNTY3Mg==&mid=2247484914&idx=1&sn=e828f22691bd3f72c5fab014ce81709c&chksm=fc986cd5cbefe5c3a3180faeb743639e078feea6d3a703bb7ae5e9653a0b61bbfb765d0de32c&token=1274830974&lang=zh_CN#rd 的一点补充。

关于源码

源码一些勘误：需要python3.9以上，并且transformers依赖库是最新版本

速度比想象中快，有很多群友已经搭建成功开始玩耍了，有好心群友制作了docker镜像，可以一键玩耍

docker pull tanheyii/secgpt-mini:latest docker run -d -p 7860:7860 tanheyii/secgpt-mini:latest

然后访问 IP:7860即可。

Dockerfile

FROM python:slim WORKDIR /secgpt-mini COPY . /secgpt-mini RUN pip install -i https://mirrors.ustc.edu.cn/pypi/web/simple -r requirements.txt EXPOSE 7860 CMD ["python", "webdemo.py", "--base_model", "/secgpt-mini/models"]

docker镜像感谢 @七安

dockerfile感谢 @沉默

关于数据

好的安全数据对训练网络安全模型帮助很大，手头的数据还是远远不够，几次试验感觉还是没有激发很多大模型对安全的理解，怀疑是数据量还不够。

目前训练数据包含10G安全数据，来源从GitHub，社区论坛，知识星球，安全大会pdf，epub书籍，wooyun等等。清洗完后的训练数据只有1～2G左右。

数据已经开源了一部分：https://huggingface.co/datasets/w8ay/security-paper-datasets

如果读者手中有安全数据可以邮件我，可以来一起训练网络安全领域的大模型，后续也会将数据进行开源（获得许可的情况下）。

需要的数据类型：

• 安全书籍epub格式(让模型学习安全知识)

• 大量poc，exp（让模型学习写poc，exp）

• ctf writeup （让模型学习做CTF）

• 安全代码，如免杀，hook，patch类的 （让模型学习写安全代码）

• 其他认为有帮助的数据

• 也可以提供rlhf数据：secgpt-mini web界面交互的结果，如何觉得答案好，可以选择“选这个”，如果答案都不好可以自己写一段，然后选择“都不好，反馈”，会在程序根目录下自动生成用于rlhf的数据，也可以将这个数据提供我，作为后面进行提升模型精准度训练的数据。

后续还有打算1是编写爬虫爬取安全类博客文章，2是通过对通用爬虫数据清洗出安全数据 ，有相关经验的读者也可以交流。

邮件地址：master@hacking8.com （最好是邮件，公众号后台不常看，有些不错的私信由于时间间隔过长也无法回复）

后面也会写一些文章教大家如何训练，如何最小资源训练，不同的数据比例训练的模型回答风格也不相同，这块主要看经验，也挺有意思的，欢迎关注我。

其他

• 做安全大模型是兴趣，欢迎一起交流，邮件：master@hacking8.com

• secgpt-mini的模型和源码下载：公众号回复“secgpt-mini”