cybersec-mistral-7b-v6

CyberSec Mistral 7B v6

Modèle Mistral-7B fine-tuné pour la cybersécurité offensive et défensive.

Statistiques d'entraînement

Domaines couverts

• Pentest réseau (nmap, Metasploit, Impacket)
• Active Directory offensif (Kerberoasting, BloodHound, Pass-the-Hash, DCSync)
• Web exploitation (SQLi, XSS, SSRF, XXE, SSTI)
• Cloud security (AWS, Azure, GCP, Kubernetes)
• Privilege escalation Linux et Windows
• Forensics et incident response
• OSINT et reconnaissance
• Évasion AV/EDR

Utilisation rapide

from unsloth import FastLanguageModel
from unsloth.chat_templates import get_chat_template
from peft import PeftModel
import torch

model, tokenizer = FastLanguageModel.from_pretrained(
    model_name="mistralai/Mistral-7B-Instruct-v0.3",
    max_seq_length=2048, dtype=None, load_in_4bit=True,
)
model = PeftModel.from_pretrained(model, "gabinkebre/cybersec-mistral-7b-v6")
FastLanguageModel.for_inference(model)
tokenizer = get_chat_template(tokenizer, chat_template="mistral")

messages = [{"role": "user", "content": "Comment fonctionne le Kerberoasting ?"}]
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)
print(tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True))

Auteur

Gabin Kébré — MBA Expert en Cybersécurité (STUDI 2026-2028)

• HuggingFace : https://huggingface.co/gabinkebre
• Portfolio : https://gabinkebre.info

Usage éducatif uniquement. Toute utilisation malveillante est interdite.