К содержимому
Языковые модели

injection_classifier_eth

защита от prompt-инъекций в чеках и инвойсах

2 мин чтенияобновлено

Классификатор текста (0.31B параметров) проверяет распознанные через OCR (оптическое распознавание символов) счета, квитанции и платёжные документы до того, как их прочитает основная LLM. Модель построена на базе Horizon-Labs/prompt-injection-guard-base и возвращает вероятность атаки P(injection), разделяя входные данные на классы SAFE и INJECTION. В отличие от общих фильтров безопасности, она дообучена на специфических атаках в финансовых и крипто-документах: подмене адресов кошельков, скрытых инструкциях и перехвате формата вывода. Подойдёт разработчикам автономных агентов и пайплайнов автоматической обработки счетов и выплат.

Ключевые особенности

  • Специализация на OCR-тексте: анализирует до 40 последовательных строк документа после очистки невидимых символов и замены адресов кошельков (включая искажённые при распознавании) на токен [wallet].
  • Защита от новых векторов атак: версия v3.3 обучена на 36 190 примерах, включая синтетические крипто-инвойсы, зарплатные ведомости, реальные сканы Tesseract и атаки на разных языках.
  • Компактный размер: веса хранятся в формате float16 и занимают всего 0.62 ГБ без потери точности при загрузке в float32 (максимальное отклонение скора — 0.009).
  • Высокая точность перехвата: на независимом тестовом наборе блокирует 99.5% атакованных документов, при этом подмена адреса злоумышленника не дошла до модели-читателя в 0.0% случаев.

Что можно сделать

  • Защитить AI-бухгалтерию и крипто-агентов: встроить модель как префильтр перед подачей распознанных счетов и актов в LLM, чтобы злоумышленник не мог подменить реквизиты оплаты через скрытый текст в документе.
  • Фильтровать веб-страницы и ведомости: использовать в автоматических пайплайнах парсинга платёжных данных (по аналогии с пайплайном EthereumFoundation, для которого создана модель).

Пример

# Установка и проверка весов по SHA-256 через штатный скрипт пайплайна
uv run python -m pipeline.injection.download

# Вход: до 40 строк OCR с маскировкой кошельков ([wallet])
# Выход: вероятность атаки P(injection), порог срабатывания 0.5, блокировка — 0.58
Подробнее Метрики: Validation AUC 0.9999; на отложенном сете заблокировано 99.5% из 1 346 атак (6.7% ложных срабатываний на 1 972 чистых документах), на новом сете свежих формулировок — 99.2% из 131 атаки.
Железо: 0.31B параметров, вес файла 0.62 ГБ (float16), максимальная длина контекста 1 024 токена.
Ограничения: вероятности не откалиброваны; на реальных сканах Tesseract выросло число ложных срабатываний на легитимных платёжных строках (16 из 100); строки, не верифицированные OCR, не оцениваются.
Обсудить Telegram 0 22

Запустится ли?

Запустится в F16

Влезает без сжатия.

  • F16веса 0.6 GB · готовые файлы1.2 GB
  • FP8 / INT8рекомендуемвеса 0.3 GB0.9 GB
  • 4-bitвеса 0.2 GB0.8 GB

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.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте A30

    $0.26 в час с купоном. При создании машины выберите образ Ubuntu.

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    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.

    # icefireman/injection_classifier_eth — 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 icefireman/injection_classifier_eth --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к injection_classifier_eth
  3. 3. Пользуйтесь

    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.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

  1. mmBERT-baseоснова семьи
  2. prompt-injection-guard-base
  3. injection_classifier_eth

Новые посты про версии mmBERT-base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face

О модели

icefireman/injection_classifier_eth
Автор
icefireman
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

220

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии