Por que um modelo abliterated importa no trabalho ofensivo

Um assistente de uso geral para no meio do trabalho comum de segurança. Peça para ele explicar a SQL injection em um formulário de login que você foi contratado para testar, escrever uma prova de conceito para um IDOR que você já achou, ou ler o shellcode de uma amostra no seu laboratório, e a resposta costuma ser uma recusa ou um sermão curto. A tarefa estava no escopo. O problema era a ferramenta.

A NotHoly serve modelos abliterated de peso aberto que não carregam esse reflexo. A pergunta chega ao modelo e o modelo responde. O que é abliteration explica o método; este texto é sobre por que ele muda o trabalho.

#O que a abliteration faz

A abliteration remove dos pesos de um modelo existente a direção de recusa e deixa o resto no lugar. Um estudo de 2024 de Arditi e colegas rastreou a maior parte das recusas em modelos abertos até uma única direção nas ativações, e mostrou que removê-la reduz o reflexo de negar sem retreinar o modelo (o artigo). A página de modelos diz o resultado em uma linha: todo modelo do catálogo é um modelo abliterated de peso aberto cujo comportamento de recusa foi tirado editando os pesos. A base de cada um fica nomeada ali, então você sempre sabe qual modelo aberto atendeu.

O efeito são menos becos sem saída em trabalho que nunca esteve em questão. Um pentester lendo o código do cliente, um caçador de bug bounty escrevendo um payload para um programa que paga por isso, um engenheiro reverso explicando um disassembly, um analista fazendo triagem de uma amostra: nenhum deles é ajudado por um modelo que discute se o pedido é permitido. O escopo vem do seu contrato, do seu cliente e das regras do seu programa, e o modelo fica fora dessa decisão.

#Ainda é um modelo

Tirar a recusa não torna a saída verdadeira. Esses modelos alucinam, citam um CVE que não se aplica e escrevem código que não compila, como qualquer modelo. A página de modelos manda conferir a saída como qualquer outra fonte, e isso vale. A NotHoly não publica benchmark próprio e não promete acerto. As superfícies em volta do modelo existem por isso: o chat mostra a página que leu, a base de conhecimento mantém licença e atribuição em cada trecho, e um registro de CVE carrega a data em que cada fonte foi buscada. Leia uma resposta como uma pista a confirmar, não como um achado pronto para entregar. O que temos e o que não temos está escrito.

#Mande a pergunta que foi recusada

Os modelos aceitam uma requisição compatível com a OpenAI. Aponte a base URL para a NotHoly, leia um ID de modelo no catálogo e pergunte.

curl https://api.notholy.com/v1/chat/completions \
  -H "Authorization: Bearer $NOTHOLY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "MODEL_ID", "messages": [{"role": "user", "content": "Explain the IDOR in this endpoint and write a proof of concept."}]}'

A mesma pergunta roda no chat, no terminal e na extensão do editor, contra o mesmo catálogo.

#Onde encaixa

Encaixa em engenharia reversa, pentest, bug bounty, red team, OSINT, phishing para um engajamento, análise de malware e pesquisa de vulnerabilidade. São as perguntas que um modelo de segurança deveria aceitar e que um assistente genérico muitas vezes não aceita. O modelo raciocina sobre o que você traz: o código, o disassembly, a amostra, a página que você já puxou.

#Onde não encaixa

Não encaixa se você quer um modelo que recuse sozinho qualquer coisa sensível. Ele não transfere a responsabilidade pelo uso que você faz da resposta, e os servidores da NotHoly nunca escaneiam nem mandam tráfego a um alvo. Os pesos não são nossos e não os retreinamos, então as lacunas e vieses do modelo base vêm junto. Um modelo abliterated ainda pode hesitar ou recusar de vez em quando, porque o método reduz o reflexo em vez de apagar o conhecimento por trás. Também não é anônimo: a conta precisa de um e-mail que funcione, e o chat guarda suas conversas a menos que você abra uma conversa efêmera.

Se o seu trabalho vive parando numa parede que não tem nada a ver com escopo, a parede é a ferramenta. Ponha um valor pequeno em preços e mande o pedido que foi negado.