现在每个人都可以在电脑内置一个10年经验的安全专家了。
SecGPT-Mini：是一个可以在普通CPU上运行的网络安全大模型。
对昨天 https://mp.weixin.qq.com/s?__biz=MzU2NzcwNTY3Mg==&mid=2247484914&idx=1&sn=e828f22691bd3f72c5fab014ce81709c&chksm=fc986cd5cbefe5c3a3180faeb743639e078feea6d3a703bb7ae5e9653a0b61bbfb765d0de32c&token=1274830974&lang=zh_CN#rd 的一点补充。
关于源码
源码一些勘误：需要python3.9以上，并且transformers依赖库是最新版本
速度比想象中快，有很多群友已经搭建成功开始玩耍了，有好心群友制作了docker镜像，可以一键玩耍
docker pull tanheyii/secgpt-mini:latest
docker run -d -p 7860:7860 tanheyii/secgpt-mini:latest
然后访问 IP:7860即可。
Dockerfile
FROM python:slim
WORKDIR /secgpt-mini
COPY . /secgpt-mini
RUN pip install -i https://mirrors.ustc.edu.cn/pypi/web/simple -r requirements.txt
EXPOSE 7860
CMD ["python", "webdemo.py", "--base_model", "/secgpt-mini/models"]
docker镜像感谢 @七安
dockerfile感谢 @沉默
关于数据
好的安全数据对训练网络安全模型帮助很大，手头的数据还是远远不够，几次试验感觉还是没有激发很多大模型对安全的理解，怀疑是数据量还不够。
目前训练数据包含10G安全数据，来源从GitHub，社区论坛，知识星球，安全大会pdf，epub书籍，wooyun等等。清洗完后的训练数据只有1～2G左右。
![]()
数据已经开源了一部分：https://huggingface.co/datasets/w8ay/security-paper-datasets
如果读者手中有安全数据可以邮件我，可以来一起训练网络安全领域的大模型，后续也会将数据进行开源（获得许可的情况下）。
需要的数据类型：
后续还有打算1是编写爬虫爬取安全类博客文章，2是通过对通用爬虫数据清洗出安全数据 ，有相关经验的读者也可以交流。
邮件地址：master@hacking8.com （最好是邮件，公众号后台不常看，有些不错的私信由于时间间隔过长也无法回复）
后面也会写一些文章教大家如何训练，如何最小资源训练，不同的数据比例训练的模型回答风格也不相同，这块主要看经验，也挺有意思的，欢迎关注我。
其他
