IRIDAA Yapay Zeka Ar-Ge Projesi

IRIVIA, güvenli ve eğitilebilir yerel yapay zeka çekirdeği.

IRIVIA; IRIDAA’nın siber güvenlik, OSINT, güvenli yazılım ve kurumsal bilgi analizi için açık kaynak modeller üzerinde kurduğu araştırma-geliştirme laboratuvarıdır.

Kurulan modeli gör Eğitim yol haritası

Local-firstOpen-sourceSecurity-awareTrainable Core

irivia://model-core

model.repo   = Qwen/Qwen2.5-0.5B-Instruct-GGUF
runtime      = llama.cpp
quant        = Q4_K_M
mode         = local inference
server       = 127.0.0.1:5088
next         = IRIDAA dataset → LoRA adapter

0.5Bparametreli başlangıç çekirdeği

491 MBGGUF Q4_K_M model dosyası

CPUGPU olmayan sunucuda çalışacak profil

LoRAsonraki eğitim / ince ayar yaklaşımı

Laboratuvar

IRIVIA ne inşa edecek?

Siber Güvenlik Asistanı

Web güvenliği, OSINT, log analizi ve savunma runbook’ları için IRIDAA bilgi tabanıyla çalışan yardımcı model.

Kurumsal Bilgi Motoru

IRIDAA belgelerini, kararlarını, ajan çıktıları ve proje hafızasını güvenli bağlam olarak kullanan RAG hattı.

Ajan Orkestrasyonu

Konsey ajanları, görev takibi, karar sentezi ve operasyonel rapor üretimi için kontrollü yapay zeka iş akışları.

Güvenli Eğitim Disiplini

KVKK, veri minimizasyonu, lisans kontrolü, prompt güvenliği ve model değerlendirme süreçleriyle eğitim pipeline’ı.

Kurulan açık kaynak çekirdek

Qwen2.5-0.5B-Instruct + llama.cpp

Sunucuda GPU olmadığı ve RAM sınırlı olduğu için başlangıç modeli küçük, hızlı indirilebilir ve CPU’da çalışabilir seçildi. Bu çekirdek üretim kalitesi için değil; IRIVIA’nın yerel model orkestrasyonu, veri hattı ve eğitim deneyleri için başlangıç noktasıdır.

Apache 2.0 uyumlu Qwen ailesi
GGUF formatı, llama.cpp ile yerel çalıştırma
Q4_K_M quant: yaklaşık 491 MB
Sunucu yolu: /opt/irivia-ai

Model CoreQwen2.5 0.5BIRIVIA Alpha

Eğitim Hattı

Ham veriden güvenli modele.

Veri toplama

IRIDAA dokümanları, izinli rapor şablonları, güvenlik notları ve ajan sentezleri ayrıştırılır.

Temizleme

Kişisel veri, sır, token, telefon/e-posta ve müşteri bilgisi maskeleme filtresinden geçirilir.

RAG önce

Küçük sunucuda doğrudan fine-tune yerine önce arama destekli bilgi sistemi kurulur.

LoRA adapter

GPU’lu ortamda küçük IRIDAA üslup/alan adaptörü eğitilir, sonra yerel sunucuya taşınır.

Roadmap

IRIVIA geliştirme fazları

Faz 0

Proje sayfası + model kurulumu

Marka sayfası, açık kaynak model seçimi, llama.cpp runtime ve ilk model dosyası.

Faz 1

Yerel API ve güvenli prompt katmanı

OpenAI uyumlu lokal endpoint, sistem prompt’u, rate limit ve erişim koruması.

Faz 2

IRIDAA bilgi tabanı

Belgeler, kararlar, notlar, runbook’lar ve rapor şablonları için RAG indeksleme.

Faz 3

Eğitim ve değerlendirme

LoRA fine-tune, test setleri, güvenlik değerlendirmesi ve model kartı.