调用托管 API
不用准备服务器。申请 API Key，用 OpenAI 兼容接口直接调用，现有工具改一行 base_url 即可接入。
- 在线提交 API 申请
- 审批通过后在进度页领取 Key
- 调用
/api/v1/chat/completions
Cybersecurity LLM · 9B
读懂告警，写出规则，守住边界。
Custos 是专为安全团队打造的 90 亿参数网络安全大模型，帮你更快地研判告警、审计代码、编写检测规则。可以调用托管 API，也可以在一张显卡上私有化部署。
MITRE ATT&CK 映射
Sigma / YARA / Suricata
OpenAI 兼容接口
- verdicttrue_positive
- attackT1059.001
- confidence0.91
See it work
像分析师一样读日志、看代码
切换右侧的示例，看 Custos 如何处理四类常见任务。每条结论都带着证据和置信度。
- 判定真实攻击还是误报，并映射 ATT&CK 技战术
- 指出漏洞所在行、CWE 编号和可直接合并的修复
- 生成可用的检测规则，并提示误报风险
How to use
两种使用方式，按你的数据和规模选
想快速试用、没有 GPU，就调用托管 API；数据不能出网、调用量大，就下载模型私有化部署。两种方式接口一致，随时可以切换。
私有化部署
下载模型权重，部署在自己的服务器上。数据不出内网，可以微调，也没有调用次数限制。
- 提交下载申请
- 审批通过后下载权重并校验 SHA-256
- 用 vLLM / Ollama 启动服务
About
什么是 Custos
安全团队每天面对成千上万条告警、源源不断的漏洞公告和越来越长的情报报告，真正需要人判断的只是其中一小部分。通用大模型能聊安全话题，但常常术语不准、格式随意，而且多数只能通过公有云调用，敏感日志不便外发。
Custos 是为这个缺口训练的模型。它以 9B 参数的通用基座为起点，经过安全领域继续预训练、指令微调和安全对齐三个阶段，学会用分析师的方式读日志、看代码、写规则，并按约定的 JSON 结构给出结论，方便直接接入 SIEM、SOAR、工单与 CI 系统。
它不是要取代分析师，而是承担初筛、整理和起草这些重复劳动，让人把时间花在需要判断的事件上。每一条结论都附带证据位置和置信度，便于复核。
- 模型规模
- 9B 参数，Decoder-only待补充
- 主要版本
custos-9b-instruct对话版custos-9b-base基座版- 语言
- 中文、英文，支持中英混合日志
- 部署方式
- 本地离线，vLLM / Ollama / llama.cpp / Transformers
- 接口
- OpenAI 兼容 Chat Completions，支持流式与 JSON 约束输出
- 最低硬件
- INT4 量化：8GB 显存单卡
Where it fits
Custos 在安全体系里的位置
Custos 不替换你现有的安全产品，它接在告警、代码和情报的出口，把原始数据变成结构化结论，再交给编排系统和分析师。
输入
SIEM / 日志平台告警、原始日志
EDR / NDR / WAF主机与网络告警
代码仓库PR diff、源码
漏洞与情报源公告、补丁、报告
Custos 9B托管 API 或私有部署
- 告警研判
- 代码审计
- 规则生成
- 漏洞分析
- 事件响应
- 情报提炼
{ verdict, severity, confidence, attack[], evidence[], actions[] }
输出
SOAR / 工单自动分派与处置
检测规则库Sigma / YARA / Suricata
PR 评论合并前的安全评审
分析师复核只看高价值事件
分析师的复核结论和误报反馈可以整理为微调数据，让模型越来越熟悉你的环境。
Capabilities
一个模型，覆盖安全运营全流程
通用模型懂一点安全，Custos 只做安全。训练语料围绕告警、漏洞、规则与情报构建，输出贴合分析师熟悉的格式和术语。
告警研判与日志分析
读入原始日志或告警，判断真实威胁还是误报，还原攻击链并给出处置优先级。
- 真/误报判定与置信度
- 同源告警归并
- 工单摘要生成
漏洞分析
解读漏洞公告与补丁差异，评估影响面与可利用条件，结合资产上下文给出修复排序。
- CVSS 向量解读
- 补丁 diff 分析
- 修复优先级建议
安全代码审计
定位注入、越权、反序列化等缺陷，指出触发路径，给出可直接合并的修复写法。
- Python / Java / Go / JS / PHP
- PR diff 增量审查
- CWE 归类
检测规则生成
从行为描述或样本特征生成检测规则，附测试用例和误报风险说明。
- Sigma 转 SPL / KQL
- 规则解释与优化
- 误报场景分析
事件响应辅助
把零散证据映射到 ATT&CK 技战术，生成时间线、遏制步骤与复盘报告草稿。
- 攻击时间线整理
- 处置清单
- 复盘报告起草
威胁情报提炼
从长篇情报报告中抽取 IOC 与 TTP，转成结构化 STIX 对象，便于导入现有平台。
- IOC 抽取与去重
- STIX 2.1 输出
- 中英报告摘要
Before / After
同一条告警，两种处理方式
左边是分析师收到的原始 EDR 告警，右边是 Custos 给出的研判结果。分析师从「自己翻查」变成「核对结论」。
{
"rule": "Suspicious PowerShell Execution",
"host": "FIN-WS-0231",
"user": "CORP\\li.wei",
"parent": "C:\\Program Files\\Microsoft Office\\WINWORD.EXE",
"process": "powershell.exe",
"cmdline": "powershell -nop -w hidden -enc SQBFAFgAIAAo...",
"time": "2026-10-21T09:42:17+08:00"
}
- 解码 Base64 命令，判断意图
- 查这台主机的角色和近期行为
- 对照 ATT&CK 确定技战术
- 决定处置动作，填写工单
{
"verdict": "true_positive",
"severity": "high",
"confidence": 0.91,
"summary": "Word 文档宏启动隐藏窗口的编码 PowerShell，疑似钓鱼附件投递",
"attack": [
{ "technique_id": "T1566.001", "name": "Spearphishing Attachment" },
{ "technique_id": "T1204.002", "name": "Malicious File" },
{ "technique_id": "T1059.001", "name": "PowerShell" }
],
"evidence": ["父进程 WINWORD.EXE", "-w hidden -enc 参数"],
"actions": ["隔离 FIN-WS-0231", "提取并分析原始文档", "排查同批收件人"]
}
示例输出，用于说明格式。实际结果取决于输入内容与部署版本。
How it's built
三个阶段，把通用模型训练成安全专家
每个阶段解决一个问题：先补足领域知识，再学会按任务格式工作，最后约束它只做防守方的事。
Continued Pre-training
安全领域继续预训练
在漏洞库、ATT&CK 知识库、开源检测规则、安全公告和技术文章上继续预训练，让模型熟悉安全术语、协议细节与日志格式。
Supervised Fine-tuning
指令微调
用分析师标注的研判、审计、规则编写和报告样本做指令微调，学会按任务要求输出结构化结论并给出证据。
Safety Alignment
安全对齐
通过偏好优化强化防御导向：对可直接武器化的请求拒答，对不确定的结论主动说明，减少编造 CVE 编号等幻觉。
公开漏洞数据CVE / NVD / CWE 条目与补丁
攻防知识库MITRE ATT&CK、CAPEC、D3FEND
检测规则开源 Sigma、YARA、Suricata 规则库
安全文献厂商公告、技术博客、情报报告
脱敏运营数据告警、工单与处置记录
代码样本含漏洞与修复版本的代码对
数据来源与训练细节为示例描述，请按实际训练情况修改。
Comparison
和通用大模型有什么不同
| 维度 | 通用大模型（云端 API） | Custos 9B |
|---|---|---|
| 数据去向 | 日志和代码需发送到第三方云端 | 本地运行，数据不出内网 |
| 安全术语 | 覆盖面广，细节和编号时有出入 | 针对 ATT&CK、CWE、CVSS 等专门训练 |
| 输出格式 | 以自然语言为主，需要额外解析 | 默认结构化结论，支持 JSON Schema 约束 |
| 规则编写 | 语法常需人工修正 | Sigma / YARA / Suricata 语法专项训练 |
| 调用成本 | 按 token 计费，大批量告警成本高 | 一次部署，批量研判边际成本低 |
| 定制化 | 难以用私有数据微调 | 可用自有告警和工单做 LoRA 微调 |
| 通用知识 | 更强，适合开放问答 | 聚焦安全领域，非安全任务能力有限 |
Why 9B
敏感数据留在内网，模型跟着数据走
安全数据往往是企业最不能外传的数据。9B 的体量在能力和成本之间取了平衡：足以胜任专业任务，又能部署在自己的机房里。
01
完全离线运行
不依赖外部 API，适合等保、涉密和金融等对数据出境有严格要求的环境。
02
单卡即可推理
量化后权重可放进 8GB 显存，边缘节点和分支机构也能部署。
03
便于继续微调
体量适中，用自有告警和工单做 LoRA 微调，一张 24GB 卡即可完成。
不同精度下的权重显存
按 9B 参数估算，仅含模型权重。竖线为常见显卡显存。
BF16
≈18 GB
INT8
≈9.5 GB
INT4
≈5.5 GB
坐标轴满刻度 28 GB。实际推理还需为 KV 缓存预留显存，上下文越长占用越多。
Integrations
接入你已经在用的工具
Custos 通过 OpenAI 兼容接口和 Webhook 对接，下面这些工具都可以按使用文档中的方式接入。
日志与告警
编排与协作
开发流程
推理与部署
规则与查询语言
标准与框架
以上为可对接的工具与格式，不代表与相关厂商存在合作关系。
Use cases
谁在用，用来做什么
SOC 分析师
告警降噪
一线告警先过模型初筛，分析师只看高置信度事件。
- 批量研判与归并
- 自动生成工单摘要
漏洞管理团队
补丁优先级
结合资产清单判断哪些漏洞真正暴露、先修哪个。
- 公告解读
- 影响面评估
研发与 DevSecOps
左移安全
接入 CI 流水线，在合并请求里直接给出安全评审意见。
- PR 安全审查
- 修复建议
蓝队与应急响应
事件处置
事件发生时快速整理证据、还原时间线、起草报告。
- ATT&CK 映射
- 复盘报告草稿
Specifications
模型规格与评测
| 项目 | 说明 |
|---|---|
| 参数量 | 9B |
| 架构 | Decoder-only Transformer待补充 |
| 上下文长度 | —待补充 |
| 语言 | 中文、英文 |
| 权重格式 | Safetensors、GGUF示例 |
| 推理框架 | vLLM、Ollama、llama.cpp、Transformers |
| 接口 | OpenAI 兼容 Chat Completions，支持流式与 JSON Schema 约束 |
| 许可证 | PolyForm Noncommercial 1.0.0（商业用途需另行授权） |
评测进行中
我们将在以下基准上公布 Custos 与同量级通用模型的对比结果：
- CyberMetric · 网络安全知识问答
- CTIBench · 威胁情报理解与 ATT&CK 映射
- SecEval · 安全知识综合评测
- 自建告警集 · 真实告警研判准确率
Quick start
三步跑起来
下载权重
获取 custos-9b-instruct，按显存选择 BF16 或量化版本。
启动推理服务
用 vLLM 起一个兼容 OpenAI 协议的接口，现有工具几乎不用改。
接入你的工作流
从 SIEM、工单系统或 CI 流水线调用接口，把结果写回原系统。
bash
# 1. 下载模型 huggingface-cli download your-org/custos-9b-instruct --local-dir ./custos-9b-instruct # 2. 启动 OpenAI 兼容服务 vllm serve ./custos-9b-instruct --served-model-name custos-9b --port 8000 # 3. 发一条请求试试 curl http://localhost:8000/v1/chat/completions \ -H "Content-Type: application/json" \ -d '{"model":"custos-9b","messages":[{"role":"user","content":"什么是 Kerberoasting，如何检测？"}]}'
Responsible use
只为防守方设计
安全模型的能力是双刃的。Custos 在训练与对齐阶段遵循以下原则。
守
防御优先
拒绝生成可直接武器化的攻击代码、恶意软件或针对未授权目标的入侵步骤。
证
结论附证据
每条研判结论都指向原始日志行或代码位置，并标注置信度，方便人工复核。
审
全程可审计
私有部署下所有请求与输出可留存日志，满足内部审计与合规检查。
FAQ
常见问题
Custos 能查到最新发布的 CVE 吗？
不能直接查到。模型知识停留在训练数据截止时间。建议通过检索增强（RAG）把 NVD 或内部漏洞库的最新条目作为上下文传给模型，做法见使用文档的「检索增强」一节。
8GB 显存的显卡能运行吗？
可以运行 INT4 量化版本，权重约 5.5GB。剩余显存用于 KV 缓存，建议把上下文长度控制在 4K–8K。
研判结果可以直接用于自动封禁吗？
不建议全自动。推荐只对高置信度、且目标不在白名单内的结论自动执行低风险动作（如临时封禁 IP），其余交由人工确认。
会帮人写攻击代码吗？
不会。对于恶意软件、可直接利用的漏洞利用代码、针对未授权目标的攻击步骤，模型会拒绝并说明原因。它可以解释攻击原理，用于检测与防御。
可以商用吗？
代码、模型权重、文档与品牌素材采用 PolyForm Noncommercial 1.0.0 许可：个人学习研究、非营利机构（学校、公共科研机构、政府机构、公益组织等）可免费使用；任何商业用途需要另行获得商业授权，请通过反馈页面联系我们。
注标有「示例」「待补充」的内容为占位信息，规格、评测分数与模型仓库地址请在正式发布前替换为实际信息。
让 Custos 加入你的安全团队
先用托管 API 评估效果，满意后再私有化部署。两种方式接口一致，切换只需改一行配置。