Werea-co

Werea-NanoSOC-8B

README

License: apache-2.0

📊 Performans — v20 (dondurulmuş 1000-olay HIKARI holdout)

Table with columns: Metrik, Skor
Metrik	Skor
🎯 Recall (saldırı yakalama)	%91,5
🧭 MITRE ATT&CK (tam eşleşme)	%91,0
📈 F1	%76,4
🚨 Yanlış-alarm (FP)	%12,0
🧱 Specificity	%88,0
✅ JSON geçerlilik	%100

Bağımsız, dondurulmuş holdout üzerinde; eğitim verisiyle örtüşme sızıntı-denetiminden geçirildi (benchmarks/leakage-audit.json).

🎛️ Çalışma noktaları — ihtiyacına göre seç

Table with columns: Sürüm, Recall, FP, F1, MITRE, Ne zaman
Sürüm	Recall	FP	F1	MITRE	Ne zaman
v20 (varsayılan)	%91,5	%12,0	%76,4	%91,0	Saldırı kaçırmama önceliği
v15 (`revision="v15"`)*	%87,5	%10,3	%76,6	%89,2	En dengeli / en yüksek F1

*v15 önceki varsayılandı; F1'i v20'ye çok yakın, FP'si biraz düşük. v20 saldırı yakalama (recall) ve MITRE'de öne geçtiği için ürün varsayılanı oldu.

🔍 Ne yapar / yapmaz

✅ Tespit + MITRE eşleme + Türkçe SOC özeti (yapılandırılmış JSON çıktı)
✅ Windows/Linux/ağ logları, çok-kaynaklı olaylar
⚠️ Attribution (aktör atfı) çözülmedi: uzun loglarda tam-eşleşme %0; model yanlış atfetmek yerine çekimser kalır (%91,7 abstain). Atıf için insan analistine bırakın — dürüstçe böyle belgeliyoruz.
⚠️ FP ~%12: yüksek hacimli SOC'ta düşük-alarm için v17'yi tercih edin.

🚀 Kullanım

python
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
base="fdtn-ai/Foundation-Sec-1.1-8B-Instruct"
tok=AutoTokenizer.from_pretrained("Werea-co/Werea-NanoSOC-8B")   # main = v20
model=AutoModelForCausalLM.from_pretrained(base, device_map="auto", torch_dtype="bfloat16")
model=PeftModel.from_pretrained(model, "Werea-co/Werea-NanoSOC-8B")  # revision="v17" ile düşük-FP
# chat_template.jinja tokenizer'a gömülüdür; log'u user mesajı olarak verin.

⚠️ Sorumlu kullanım

Yalnızca savunma, tespit ve yetkili güvenlik operasyonları içindir. Saldırı üretimi/kötüye kullanım için değildir.

📚 Sürüm ailesi & kanıt

10 sürümün tam benchmark'ları repoda: benchmarks/ (v10–v20, sızıntı-denetimi, NIDS bağımsız testler, base-vs-nanosoc karşılaştırmaları).

🩵 werea.co — Türkçe için, güvenlik için.

Available on FriendliAI

Dedicated Endpoints

Run this model inference on single tenant GPU with unmatched speed and reliability at scale.

Learn more

Container

Run this model inference with full control and performance in your environment.

Learn more

Model Details

Model Provider

Werea-co

Model Tree

Base

fdtn-ai/Foundation-Sec-1.1-8B-Instruct

Adapter

this model

Input Modalities

Text

Output Modalities