模型微调

要解决什么问题

很多工程师第一次接触模型微调时，会把注意力全部放在数据集和训练参数上，却忽略了几个更基础的问题：训练数据里是否混入了未脱敏的凭证？微调产物（权重、检查点）是否被误传到公开仓库？推理接口是否缺少鉴权？上线前不知道该查什么，被攻击时不知道该先做什么，连「授权边界在哪」都讲不清楚。这个技能解决的就是这类「知道要做安全，但不知道怎么结构化地做」的问题。

核心能力与工作流

技能提供五项能力，每项都以触发词驱动，输入具体场景后直接产出结构化交付物：

• 安全测试方法论：输入授权范围内的目标，输出测试清单与边界声明
• 风险自查：输入资产与暴露面，输出基线检查表与整改项
• 应急响应：输入事件现象，输出处置流程与止血动作
• 安全编码：输入语言与场景，输出反模式与修复示例
• 合规边界：输入具体场景，输出授权原则与红线

三套工作流可以直接套用：

• 上线前自查：资产盘点 → 暴露面确认 → 配置检查 → 依赖扫描 → 加固
• 入侵应急：止血 → 取证 → 溯源 → 清除 → 复盘
• 安全编码：识别风险点 → 选安全 API → 密钥外置 → 最小权限 → 静态扫描

在模型微调场景下，把通用模板中的条目替换为实际信息即可：训练数据管道、权重存储、推理 API、训练框架依赖。

适用边界

技能只提供结构化方法论、模板与检查清单，不替代专业资质判断，不接入任何付费服务或外部账号，不提供可用于实际入侵的 exploit 步骤。所有测试必须在书面授权范围内进行。发现漏洞应负责任披露，不利用、不传播。