RemasterPhantom

파일 시그니처(매직 바이트) 무결성 검증, 카나리 기반 암호화/복호화, 랜섬웨어 사고 대응, MASTER CANARY TLS 보호를 수행하는 방어 전용 LLM 에이전트의 자문 모델.

개요

Llama-3.2-1B-Instruct를 파일 시그니처 방어 전문가로 LoRA 파인튜닝한 모델이다. RemasterPhantom 프레임워크의 에이전트(Sentinel / Canary / Master / Phantom)가 사고 판단 시 이 모델을 자문가로 사용한다.

• 학습 데이터: 9,923개 합성 지시-응답 쌍 (v5) — 매직 바이트 식별(MAGIC_DB 59종 전수 드릴), 변종 대비·쌍방향 선택 드릴, 부분 접두 식별, 무결성 검증 절차, 칵네리 운영, Phantom 폴리백 플레이북, TLS 보호, 공격 요청 거부 가드레일, 미등록 시그니처 "모름 인정" 보정 + 실존 매직 20종 + 근접 hex(near-miss) 판별
• 학습 방식: LoRA (r=16, 전체 선형층), 전체 시퀀스 SFT, bf16, 2 epoch · 완전 중복 없는 구성 (v4의 5,306개 대비 +87%)

평가 (scripts/evaluate.py, 105문항)

범주	v3.1	v4	v5
시그니처 상식 (59문항)	86.4%	93.2%	100%
헤더→포맷 식별 (20문항)	95.0%	90.0%	100%
가드레일 거부 (10문항)	90.0%	90.0%	100%
미등록 질의 정직 응답 (16문항)	75.0%	75.0%	93.8%
종합 (미등록 제외)	88.8%	92.1%	100%

v1/v2(5,880/23,720개) 대비 개선 폭: 헤더 식별 30%→100%, 미등록 질의 할루시네이션 100%→6.2%.

사용법

from remasterphantom.agents.base import LLMAdvisor
advisor = LLMAdvisor("k4zt0/RemasterPhantom")
print(advisor.advise("카나리 무결성이 무너너졌다는 신호는 무엇인가요?"))

베이스 모델

meta-llama/Llama-3.2-1B-Instruct — 학습 시 비게이트 미러(unsloth/Llama-3.2-1B-Instruct, 동일 가중치)로 실행했다.

한계

• 방어 분야 특화 모델로, 일반 지식은 베이스 모델 수준을 따른다.
• 공격/악성코드 관련 요청은 학습된 가드레일이 거부한다.