---
title: "Sansürsüz ve Ofansif Güvenlik Yapay Zeka Modelleri Kıyaslaması"
url: https://blog.edumints.com/sansursuz-ve-ofansif-guvenlik-yapay-zeka-modelleri-kiyaslama-e1rmta8c
category: "Güvenlik"
date: 2026-09-29T09:09:18.409Z
publisher: Edumints Blog
lang: tr-TR
source_name: "Hacker News"
source_url: https://github.com/JoasASantos/Offensive-Security-AI-Models
---

# Sansürsüz ve Ofansif Güvenlik Yapay Zeka Modelleri Kıyaslaması

Yetkili sızma testi, kırmızı takım (red team) operasyonları ve güvenlik araştırmaları için özel olarak eğitilmiş, açık ağırlıklı (open-weight) sansürsüz LLM'ler geliştiriciler ve güvenlik mühendisleri için kritik araçlar haline gelmiştir. Güvenlik alanına özgü verilerle fine-tune edilen bu modeller, ofansif ve defansif görevleri otonom veya yarı otonom olarak yürütmek üzere optimize edilmiştir.

## Güvenlik Odaklı Fine-Tuned Modeller

### 1. DeepHat V2 (WhiteRabbitNeo)
- **Temel Model ve Boyut:** Qwen2.5-Coder-7B tabanlı, 7B ve 32B parametre seçenekleri sunar.
- **Teknik Özellikler:** 131K bağlam penceresi, Q4_K_M kuantizasyonunda ~6 GB VRAM gereksinimi ve Apache 2.0 lisansı ile öne çıkar.
- **Eğitim:** USENIX Security 2024 çalıştayından 1.7 milyon ofansif/defansif örneklemle SFT yapılmıştır. Araç çağırma (Tool Calling) desteği mevcuttur.
- **Geliştirici Çıkarımı:** Düşük VRAM tüketimi sayesinde yerel geliştirici makinelerinde veya CI/CD güvenlik tarama hatlarında hafif kod denetim asistanı olarak entegre edilmeye çok uygundur.

### 2. BugTraceAI-CORE-Apex (26B)
- **Temel Model ve Boyut:** Gemma4-26B MoE tabanlı, 26B MoE parametreye sahiptir.
- **Teknik Özellikler:** 32K bağlam penceresi, Q4_K_M kuantizasyonunda ~16 GB VRAM tüketimi ve Apache 2.0 lisansı bulunur.
- **Eğitim:** HackerOne Hacktivity (2024-2025) raporları ve WAF atlatma veri setleriyle eğitilmiştir; Tool Calling destekler.
- **Geliştirici Çıkarımı:** Web uygulaması güvenliği ve WAF bypass testlerinde otomatik güvenlik ajanlarına bağlanarak pratik hata avcılığı (bug bounty) senaryolarında kullanılabilir.

### 3. BugTraceAI-CORE-Ultra (27B)
- **Temel Model ve Boyut:** Qwen3.6-27B yoğun (dense) mimari tabanlıdır.
- **Teknik Özellikler:** 4K önerilen bağlam, Q6_K seviyesinde ~22-24 GB VRAM gereksinimi ve Apache 2.0 lisansı içerir.
- **Uzmanlık:** Unsloth ile CVE writeup'ları üzerinden eğitilmiştir. Nuclei şablonları, CVE PoC'leri, istismar (exploit) kodları ve pentest betikleri üretir; Tool Calling destekler.
- **Geliştirici Çıkarımı:** Güvenlik araçları otomasyonunda doğrudan PoC ve şablon üreteci olarak devreye alınabilir; DevSecOps süreçlerinde zafiyet doğrulama betikleri hazırlamayı hızlandırır.

### 4. CYBER-FROST-3.8 (Blackfrost-AI)
- **Temel Model ve Boyut:** Qwen/Qwen3.8-Flash-Next tabanlı, ~180B MoE (512 uzman, token başına 10 aktif) devasa modeldir.
- **Teknik Özellikler:** 262K bağlam, Qwen4Exp hibrit mimarisi ve 1 MTP spekülatif kod çözme katmanı barındırır. Çoklu GPU gerektirir (ör. 4x NVIDIA B300 SXM6). Qwen Community License 1.0 lisanslıdır.
- **Eğitim:** Keşif, web güvenliği, zararlı yazılım ve bulut güvenliği içeren tescilli külliyatla eğitilmiştir; Tool Calling destekler.
- **Geliştirici Çıkarımı:** Kurumsal düzeyde derinlemesine tehdit istihbaratı ve karmaşık zafiyet araştırmaları yürüten gelişmiş otonom ajan pipeline'ları için idealdir.

### 5. CyberPal 2.0 (20B)
- **Temel Model ve Boyut:** gpt-oss-20b tabanlı, ~20B parametreli modeldir.
- **Teknik Özellikler:** 8.192 bağlam uzunluğu, BF16 formatında ~42 GB VRAM gereksinimi ve Apache 2.0 lisansı taşır. Tool Calling desteği yoktur.
- **Uzmanlık:** SecKnowledge 2.0 hattıyla eğitilmiş defansif modeldir; siber tehdit istihbaratı (CTI), SOC/IR olay müdahalesi ve AppSec alanlarına odaklanır.
- **Geliştirici Çıkarımı:** Güvenlik operasyon merkezlerinde (SOC) log analizi ve olay müdahale süreçlerini otomatikleştiren güvenilir bir bilgi doğrulama motoru olarak kullanılabilir.

[Orijinal kaynağa buradan ulaşabilirsiniz.](https://github.com/JoasASantos/Offensive-Security-AI-Models)

---

Bu konuyu derinlemesine öğrenmek isterseniz: [Modeller: Hangisi, Ne Zaman?](https://edumints.com/kesfet/google-ai-studio-kullanm-rehberi-joou) modülüne göz atın.

---

**Kaynak:** [Hacker News](https://github.com/JoasASantos/Offensive-Security-AI-Models)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/sansursuz-ve-ofansif-guvenlik-yapay-zeka-modelleri-kiyaslama-e1rmta8c