websec — компактная нейросеть на 1,96 млн параметров, которая по сырой строке оценивает, похожа ли она на XSS-payload (межсайтовый скриптинг). Модель сначала раскодирует URL и HTML до трёх раз, убирает NUL-байты и приводит текст к нижнему регистру, поэтому разные кодировки для неё выглядят одинаково. Обучена с нуля, без предобученной базы и токенизатора, и возвращает калиброванную вероятность и флаг is_xss по порогу 0,7278. Пригодится для триажа параметров запросов, полей форм, логов и пользовательского HTML: высокий score — повод проверить, но не доказательство атаки, а низкий не гарантирует безопасность.
Ключевые особенности
Всего 1 959 361 параметр; один токен на символ, без внешнего токенизатора.
Нормализация URL/HTML до трёх раз, удаление NUL, схлопывание пробелов и нижний регистр.
Длинные строки режутся на окна по 1000 символов с шагом 500; учитывается максимальный score окна.
На held-out: 98,9% пойманных атак и 0,07% ложных срабатываний; на внешнем SecLists — 97,7%.
Это не WAF: score — свидетельство, а не доказательство; output encoding и CSP всё равно нужны.
Что можно сделать
Прогонять параметры запросов и поля форм, чтобы подсветить подозрительные значения для ручной проверки.
Проверять строки логов и пользовательский HTML на закодированные payload.
Сравнивать свой фильтр с моделью: измерять, сколько encoded-атак он ловит, и подбирать порог под трафик.
Собрать небольшой defensive-скрипт для security-пайплайна и не запускать модель по целым веб-страницам.
ПодробнееОбучена с нуля за ~4 минуты на NVIDIA RTX 5050 Laptop GPU: 12 эпох, сохранена 9-я. Порог 0,7278 настроен на 0,1% ложных срабатываний. На held-out — 98,9% атак и 0,07% ложных; внешний SecLists — 97,7%. Ограничения: не WAF, не доказывает безопасность; кириллица и не-Latin огрублены; дедупликация только точная.
Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.
Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.
HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.
# hareramray325/websec — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve hareramray325/websec --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.
Как ускорить
Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.
Комментарии