AIkuda 🛡️

AIkuda es un modelo de lenguaje especializado en ciberseguridad, desarrollado por Akuda Sentinel.

Basado en Qwen3.6-27B + gemma-4-26B-A4B-it + google-bert + gpt-oss-20b y entrenado mediante fine-tuning LoRA con un corpus de más de 78.000 muestras de inteligencia de amenazas, MITRE ATT&CK e informes de pentesting.

Capacidades

• Análisis de amenazas y campañas APT con identificación de TTPs e IOCs
• Clasificación de técnicas y tácticas MITRE ATT&CK (v16)
• Análisis e interpretación de informes de pentesting
• Respuesta a incidentes y recomendaciones de mitigación
• Soporte para análisis de alertas SIEM (Wazuh, Suricata)
• Razonamiento en ciberseguridad en español e inglés

Modelo base

Parámetro	Valor
Modelo base	Qwen/Qwen3.6-27B + google/gemma-4-26B-A4B-it + google-bert/bert-base-uncased + openai/gpt-oss-20b
Arquitectura	Híbrida GDN
Parámetros	32B
Contexto	262.144 tokens
Visión	✅ texto + imagen
Adapter	LoRA (r=64, alpha=128)
Precisión	BF16

Datos de entrenamiento

Dataset	Muestras	Descripción
reloading0101/threat-intelligence-dataset	52.279	CTI, APTs, IOCs, campañas
sarahwei/cyber_MITRE_tactic_CTI_dataset_v16	14.008	MITRE ATT&CK v16
PenTest, EH Reports y logs generados en dockerlabs + hackerone + logs de intigriti + datos propios de Akuda Sentinel	11.752	Informes de pentesting, logs de sistemas EDR + NDR, telemetría
Total	78.039

Uso

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

base_model = "Qwen/Qwen3.6-27B"
adapter = "Sakeador/AIkuda"

tokenizer = AutoTokenizer.from_pretrained(base_model)
model = AutoModelForCausalLM.from_pretrained(base_model, torch_dtype="auto", device_map="auto")
model = PeftModel.from_pretrained(model, adapter)

messages = [
    {"role": "system", "content": "Eres AIkuda, un asistente experto en ciberseguridad desarrollado por Akuda Sentinel."},
    {"role": "user", "content": "Analiza esta alerta de Wazuh e identifica la técnica MITRE ATT&CK correspondiente."}
]

text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer([text], return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True))

Infraestructura de entrenamiento

• Hardware: 3× NVIDIA RTX 5060 Ti (16 GB cada una, sm_120 Blackwell)
• Framework: Axolotl + DeepSpeed ZeRO-3
• Épocas: 3
• Sequence length: 2048
• Batch size efectivo: 24 (micro_batch=1, grad_accum=8, 3 GPUs)

Limitaciones

• Entrenado principalmente con datos sintéticos y logs — validar siempre en entornos reales
• No debe usarse para actividades ofensivas no autorizadas
• Primera versión (v1) — mejoras continuas con datos propios de Akuda Sentinel

Licencia

Apache 2.0.

Desarrollado por

Akuda Sentinel — Ciberseguridad On-Premise para empresas.