Квантованный классификатор на базе архитектуры UniXcoder, созданный командой CyberEiche для платформы безопасности VibeSec. Модель отсеивает безопасные, экранированные и неэксплуатируемые срабатывания статического анализа кода (SAST — поиск уязвимостей в исходном коде без его запуска), снижая усталость разработчиков от бесконечных уведомлений. Она работает полностью офлайн (air-gapped) в формате ONNX INT8 и обрабатывает одно срабатывание быстрее 20 миллисекунд на обычном CPU без видеокарты. Решение пригодится командам разработки, DevSecOps-инженерам и корпоративным контурам с жесткими требованиями к приватности кода.
Ключевые особенности
Полная автономность: работает локально в памяти без сетевых запросов, внешних API и телеметрии, что закрывает требования GDPR и изолированных контуров.
Защита от пропуска критических багов: политика безопасности запрещает автоматическое подавление критических уязвимостей (CVSS от 9.0) и паттернов удаленного выполнения кода (RCE).
Калиброванные вероятности: модель выдает надежную оценку вероятности эксплуатации (ECE 0.0071) с нулевым дрейфом при изменении размера батча от 1 до 64.
Криптографическая проверка: поставляется с цифровыми подписями Ed25519 и хешами SHA-256 для защиты цепочки поставок от подмены весов.
Что можно сделать
Очистить отчеты SAST-сканеров: автоматически отфильтровывать безопасные параметризованные SQL-запросы (CWE-89) и экранированный вывод XSS (CWE-79) от реальных угроз.
Встроить в закрытый CI/CD-пайплайн: запускать проверку уязвимостей на стандартных CPU-раннерах без отправки исходного кода во внешние облачные LLM.
Отсеивать шум по секретам и путям: отделять реальные утечки ключей (CWE-798) и обход директорий (CWE-22) от тестовых мок-токенов и безопасной обработки путей через os.path.basename.
Пример
import numpy as np, onnxruntime as ort
from tokenizers import Tokenizer
tokenizer = Tokenizer.from_file("tokenizer.json")
session = ort.InferenceSession("vibesec_triage_int8.onnx")
enc = tokenizer.encode("RULE: CWE-89 SQLi | CODE: cursor.execute('SELECT * FROM users WHERE id = %s', (user_id,))")
logits = session.run(None, {"input_ids": np.array([enc.ids], dtype=np.int64), "attention_mask": np.array([enc.attention_mask], dtype=np.int64)})[0][0]
print(f"P(Exploitable): {1.0 / (1.0 + np.exp(-logits[1])):.4f}")
ПодробнееМетрики на 50 независимых кластерах сценариев: точность (Validation Accuracy) — 99.17%, Precision — 100.0%, полнота по критическим/высоким уязвимостям (Recall) — 98.97%. Размер файла: 22.08 МБ (динамическое квантование INT8 в ONNX), задержка инференса — 15–20 мс на CPU. Протестировано на семействах CWE-89, CWE-78, CWE-79, CWE-22 и CWE-798. Лицензия: Apache 2.0.
Совет: берите 8-bit.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.
# sudhanshusiwan/vibesec-triage-unixcoder-int8 — A30, 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 sudhanshusiwan/vibesec-triage-unixcoder-int8 --max-model-len 8192
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