К содержимому
Другое

Lala L1

компактная модель для поиска атак в логах Linux

2 мин чтенияобновлено

Исследовательский чекпоинт от лаборатории lilafold, который анализирует поток системных событий на хосте и оценивает, является ли каждое из них частью сценарной кибератаки. В основе лежит лёгкий ансамбль из трёх 4-слойных каузальных трансформеров (около 1–3M параметров), обученный на реальной лабораторной телеметрии Linux в формате OCSF (Open Cybersecurity Schema Framework — открытый стандарт описания событий безопасности). При крошечном размере модель не уступает или превосходит небольшие LLM вроде Qwen-1.5B в пределах статистической погрешности, требуя в разы меньше вычислительных ресурсов. Подойдёт специалистам по информационной безопасности и исследователям для экспериментов с детекцией аномалий без развёртывания тяжёлых языковых моделей.

Ключевые особенности

  • Архитектура: ансамбль из 3 сидов 4-слойного каузального трансформера (d=128) с общим объёмом около 1–3M параметров.
  • Контекст анализа составляет последние 256 событий на каждый отслеживаемый хост.
  • На 5 невиданных ранее кампаниях в протоколе frozen-split модель показывает 0.80 PR-AUC.
  • Модель работает исключительно в режиме скоринга и не выполняет автономную блокировку или реагирование.

Что можно сделать

  • Встроить модель в исследовательский пайплайн анализа Linux-телеметрии в формате OCSF для выявления вредоносной активности.
  • Сгруппировать сырые оценки событий в инциденты без дообучения модели, используя калибровку под базовый уровень хоста (host_baseline).
  • Заменить тяжёлую LLM (например, Qwen-1.5B) в задаче скоринга событий хоста для экономии ресурсов.

Пример

python src/infer.py --model checkpoints/lala-l1 --input  --out scores.csv --fpr 0.001 --calibration host_baseline
ПодробнееМетрики: 0.72 PR-AUC (0.71 recall при 0.44% FPR) на Frozen TEST; 30/30 обнаруженных кампаний при 1.08 ложных инцидента на хост в день на свежих прогонах.
Ограничения: около 14% ложных срабатываний на похожих административных командах, на Frozen TEST при группировке остаётся 23.44 ложных инцидента в день.
Покрытие: для 5 семейств атак (включая повышение привилегий и закрепление в системе) нет данных real-time frozen TEST; калибровка плохо переносится между разными версиями сборщиков логов.
Лицензия: CC BY-NC-4.0 (только некоммерческое использование).
Обсудить Telegram 2

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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 · BF16 — 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

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    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.

    # LilaFold/lala-l1
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download LilaFold/lala-l1 --local-dir ~/models/lala-l1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к lala-l1
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

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.

Семья модели

Новые посты про версии lala-l1 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

LilaFold/lala-l1
Автор
LilaFold
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

02

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

DeBiasLens

DeBiasLens