文章总结： 本文详细介绍了如何微调自己的渗透模型，包括基础知识、大模型原理、微调方法、具体步骤等，以通俗易懂的方式指导读者进行微调实践。 综合评分： 85 文章分类： 渗透测试,AI安全,二进制安全,CTF,WEB安全,红队,内网渗透

如何微调属于自己的渗透模型？一文帮你吃透大模型微调！快速打造自己的本地渗透大模型！

原创

小猫信安 小猫信安

小猫信安

2026年9月25日 16:03 湖北

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

Eval

—— 验证集

val_size: 0.1  从训练集随机切 10% 当验证集。

per_device_eval_batch_size: 1  验证时 batch 大小。

eval_strategy: steps  eval_steps: 100  每 100 步在验证集上算一次 eval_loss。总步数不够 100 时只在结束时评估一次。

启动训练

$env:HF_HUB_OFFLINE=’1′        # 纯本地训练，离线模式避免联网卡顿

llamafactory-cli train D:\train_full.yaml

主播这里是全量训练保留精度，没有量化，打算用的时间长一点，用了36个小时，

如果想节约时间，在配置文件加上quantization_bit字段或者删减部分训练集

第二种就是将Lora适配器和Qwen2.5-1.5B-Instruct打包为一个完整模型，方便我们导入ollama、上传HuggingFace等等

编写打包配置文件 export_full.yaml

打包命令

llamafactory-cli export D:\export_full.yaml

打包完成后 export\_dir 就是一个可以直接部署的完整模型（约 3GB，bf16）。

合并后，和模型进行对话

$env:HF_HUB_OFFLINE=’1′ & “D:\llamafactory-env\Scripts\llamafactory-cli.exe” chat --model\_name\_or\_path D:/models/code-audit-qwen1.5b-merged –template qwen

效果

总体来说两种的效果都可以，本教文只是走一遍微调整体流程，尽量通俗易懂，相关原理描述肯定不专业，毕竟术业有专攻。

这是一个我自己运营的纷传圈，一些网络安全漏洞挖掘相关的学习资料会在这个圈子分享，不定期分享ai挖掘skill，ai的skill漏洞挖掘教程，全网已经公开的各大src漏洞报告，全网最新漏洞poc。

圈子内人数目前已经达到60人，因此基于原价格上调，69元一年

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：小猫信安 小猫信安 小猫信安《如何微调属于自己的渗透模型？一文帮你吃透大模型微调！快速打造自己的本地渗透大模型！》