gabinkebre/cybersec-mistral-7b-v4

CyberSec Mistral 7B v4

Modèle Mistral-7B-Instruct fine-tuné pour la cybersécurité offensive et défensive.

Description

Spécialisé pour répondre à des questions techniques sur :

• Pentest réseau et web
• Active Directory offensif (Kerberoasting, Pass-the-Hash, BloodHound...)
• Exploitation binaire et web
• Cloud security (AWS, Azure, GCP, Kubernetes)
• Forensics et incident response
• Outils spécialisés (Metasploit, Impacket, CrackMapExec, Burp Suite...)

Détails de l'entraînement

Paramètre	Valeur
Modèle de base	mistralai/Mistral-7B-Instruct-v0.3
Technique	QLoRA (4-bit quantization)
Framework	Unsloth 2026.6.x
Dataset	1545 exemples cybersécurité
Epochs	5
Loss finale	0.3157
GPU	NVIDIA RTX 4000 Ada (21GB VRAM)
Durée	~50 minutes
Paramètres entraînés	41.9M / 7.3B (0.58%)
LoRA rank	r=16, alpha=32

Utilisation

from unsloth import FastLanguageModel
from unsloth.chat_templates import get_chat_template
from peft import PeftModel
import torch

# Charger le modèle de base
model, tokenizer = FastLanguageModel.from_pretrained(
    model_name="mistralai/Mistral-7B-Instruct-v0.3",
    max_seq_length=2048,
    dtype=None,
    load_in_4bit=True,
)

# Charger les adaptateurs fine-tunés
model = PeftModel.from_pretrained(model, "gabinkebre/cybersec-mistral-7b-v4")
FastLanguageModel.for_inference(model)
tokenizer = get_chat_template(tokenizer, chat_template="mistral")

def ask(question):
    messages = [{"role": "user", "content": question}]
    inputs = tokenizer.apply_chat_template(
        messages, tokenize=True,
        add_generation_prompt=True,
        return_tensors="pt"
    ).to("cuda")
    outputs = model.generate(
        input_ids=inputs,
        max_new_tokens=500,
        temperature=0.7,
        do_sample=True,
        pad_token_id=tokenizer.eos_token_id,
    )
    return tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True)

print(ask("Comment fonctionne le Kerberoasting dans Active Directory ?"))

Exemples de questions

• "Comment exploiter une SQL injection avec sqlmap ?"
• "Quelles sont les étapes d'un Kerberoasting attack ?"
• "Comment utiliser BloodHound pour cartographier Active Directory ?"
• "Explique le Pass-the-Hash attack avec mimikatz."
• "Comment bypasser AMSI sous PowerShell ?"
• "Quelles commandes nmap pour un pentest réseau complet ?"

API

Ce modèle est déployé via une API FastAPI :

curl -X POST https://api.gabinkebre.info/v1/query \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"question": "Comment exploiter le Kerberoasting ?", "max_tokens": 500}'

Auteur

Gabin Kébré — Étudiant MBA Expert en Cybersécurité (STUDI 2026-2028)

• Portfolio : gabinkebre.info
• HuggingFace : huggingface.co/gabinkebre

Avertissement

Ce modèle est destiné à des fins éducatives et de recherche en cybersécurité défensive. L'utilisation à des fins malveillantes est strictement interdite.