Thực Tập Sinh Phát Triển AI/LLM MODEL

1. Phát triển LLM chuyên biệt cho Penetration Testing
Nghiên cứu, lựa chọn và huấn luyện/fine-tune open-source LLM cho các bài toán Cybersecurity và Penetration Testing.
Thực hiện domain adaptation bằng Continued Pretraining, SFT, LoRA/QLoRA, PEFT và các phương pháp post-training phù hợp.
Phát triển năng lực model về vulnerability analysis, code security, HTTP/API analysis, security reasoning và phân tích bằng chứng.
Tập trung xây dựng model có khả năng hiểu ngữ cảnh, hình thành giả thuyết, suy luận từ evidence và đưa ra kết luận có thể kiểm chứng.
2. Xây dựng dữ liệu huấn luyện
Thu thập, làm sạch và chuẩn hóa dữ liệu từ CVE, CWE, OWASP, MITRE ATT&CK, security advisory, pentest/bug bounty report, source code và security logs.
Xây dựng domain corpus, instruction dataset, reasoning dataset, positive/negative samples và synthetic data.
Thiết kế dữ liệu theo từng năng lực cần phát triển của model thay vì chỉ tăng số lượng dữ liệu.
3. Đánh giá và cải thiện Model
Xây dựng benchmark riêng cho từng năng lực: security knowledge, vulnerability detection, classification, reasoning, context understanding và false-positive control.
Đánh giá hallucination, độ chính xác của reasoning và khả năng sử dụng evidence.
Phân tích failure case để xác định lỗi đến từ data, training strategy hay model.
Vận hành vòng lặp: Train → Evaluate → Failure Analysis → Improve Data → Retrain.