Downloads · 30 days
0
gabinkebre/cybersec-mistral-7b-v4
cybersec-mistral-7b-v4 is a text generation model from gabinkebre. Use it when you need the model to write or continue text. The card lists the license as apache-2.0.
Modèle Mistral-7B-Instruct fine-tuné pour la cybersécurité offensive et défensive.
Downloads · 30 days
0
Access
Public
Updated Jul 3, 2026
Repo size
168 MB
Likes
0
Public
Click a slice to open those files.
.safetensors168 MB · 97%
From the Hugging Face model README
Modèle Mistral-7B-Instruct fine-tuné pour la cybersécurité offensive et défensive.
Spécialisé pour répondre à des questions techniques sur :
| Paramètre | Valeur |
|---|---|
| Modèle de base | mistralai/Mistral-7B-Instruct-v0.3 |
| Technique | QLoRA (4-bit quantization) |
| Framework | Unsloth 2026.6.x |
| Dataset | 1545 exemples cybersécurité |
| Epochs | 5 |
| Loss finale | 0.3157 |
| GPU | NVIDIA RTX 4000 Ada (21GB VRAM) |
| Durée | ~50 minutes |
| Paramètres entraînés | 41.9M / 7.3B (0.58%) |
| LoRA rank | r=16, alpha=32 |
from unsloth import FastLanguageModel
from unsloth.chat_templates import get_chat_template
from peft import PeftModel
import torch
# Charger le modèle de base
model, tokenizer = FastLanguageModel.from_pretrained(
model_name="mistralai/Mistral-7B-Instruct-v0.3",
max_seq_length=2048,
dtype=None,
load_in_4bit=True,
)
# Charger les adaptateurs fine-tunés
model = PeftModel.from_pretrained(model, "gabinkebre/cybersec-mistral-7b-v4")
FastLanguageModel.for_inference(model)
tokenizer = get_chat_template(tokenizer, chat_template="mistral")
def ask(question):
messages = [{"role": "user", "content": question}]
inputs = tokenizer.apply_chat_template(
messages, tokenize=True,
add_generation_prompt=True,
return_tensors="pt"
).to("cuda")
outputs = model.generate(
input_ids=inputs,
max_new_tokens=500,
temperature=0.7,
do_sample=True,
pad_token_id=tokenizer.eos_token_id,
)
return tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True)
print(ask("Comment fonctionne le Kerberoasting dans Active Directory ?"))
Ce modèle est déployé via une API FastAPI :
curl -X POST https://api.gabinkebre.info/v1/query \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"question": "Comment exploiter le Kerberoasting ?", "max_tokens": 500}'
Gabin Kébré — Étudiant MBA Expert en Cybersécurité (STUDI 2026-2028)
Ce modèle est destiné à des fins éducatives et de recherche en cybersécurité défensive. L'utilisation à des fins malveillantes est strictement interdite.