Get the app
extract 0 0 0

sadecebirisii/llm-guvenlik-saldiri-senaryolari-tr

published by @sadecebirisii

Alignment dataset tracked in the /datasets sub-catalog.

Lifetime downloads
47
Last 30 days
47
Likes
-
Size
81 KB
Created on HF
2026-09-22
Age
29 days ago

Description

LLM Güvenlik Saldırı Senaryoları (Türkçe)

Merhaba, bu hazırlamış olduğum büyük dil modellerinin (LLM)

sistem prompt tabanlı savunmalarını ölçmek için 52 saldırı senaryosundan

oluşan Türkçe bir test amaçlı datasettir. Amacım Türkçe literüne yapay zeka güvenliği alanında katkı sağlamaktır.adwaHer senaryo, modelin gizli tutması gereken sahte bir

kanarya değerini (CANARY-7421) farklı bir teknikle sızdırmayı hedefler.

⚠️ Etik ve Sorumluluk Reddi

Bu veri kümesi… See the full description on the dataset page: https://huggingface.co/datasets/sadecebirisii/llm-guvenlik-saldiri-senaryolari-tr.

Tags

task_categories:text-classificationlanguage:trsize_categories:n<1Kformat:csvmodality:textlibrary:datasetslibrary:pandaslibrary:polarslibrary:mlcroissantregion:ussecurityllm-securityprompt-injectionjailbreakred-teamingowasp-llm-top-10mitre-atlasturkish

README current version from Hugging Face

language:

  • tr
    pretty_name: LLM Güvenlik Saldırı Senaryoları (Türkçe)
    tags:
  • security
  • llm-security
  • prompt-injection
  • jailbreak
  • red-teaming
  • owasp-llm-top-10
  • mitre-atlas
  • turkish
    task_categories:
  • text-classification
    size_categories:
  • n<1K

LLM Güvenlik Saldırı Senaryoları (Türkçe)

Merhaba, bu hazırlamış olduğum büyük dil modellerinin (LLM)
sistem prompt tabanlı savunmalarını ölçmek için 52 saldırı senaryosundan
oluşan Türkçe bir test amaçlı datasettir. Amacım Türkçe literüne yapay zeka güvenliği alanında katkı sağlamaktır.adwa
Her senaryo, modelin gizli tutması gereken sahte bir
kanarya değerini (CANARY-7421) farklı bir teknikle sızdırmayı hedefler.

⚠️ Etik ve Sorumluluk Reddi

Bu veri kümesi yalnızca savunma araştırması ve model dayanıklılığı testi
içindir. Teknikler kamuya açık güvenlik literatüründe (OWASP LLM Top 10 2026,
MITRE ATLAS) yayınlanan saldırı türlerinden ilham alarak yazmış bulunmaktayım.
Senaryolar sadece sahte bir "canary" değerini açığa çıkarmayı
hedefler; gerçek bir sisteme yöneltilmesi benim sorumluluğumda kesinlikle değildir ve etik dışıdır.

Kapsam

Kategori Senaryo sayısı
Doğrudan Talimat Enjeksiyonu (direct_injection) 22
Rol Yapma ile Kısıtlama Atlatma (jailbreak_roleplay) 11
Gizleme / Kodlama (obfuscation) 10
Ajan Manipülasyonu (agent_manipulation) 5
Sistem Promptu Sızdırma (prompt_extraction) 2
Dolaylı Talimat Enjeksiyonu (indirect_injection) 2

Şema

Alan Açıklama
id Benzersiz kimlik
kategori / kategori_tr Saldırı kategorisi (kod / Türkçe ad)
owasp OWASP LLM Top 10 kodu
atlas_tactic MITRE ATLAS taktiği
teknik Alt-teknik
dil Prompt dili (tr / en)
siddet Şiddet seviyesi
saldiri_hedefi Saldırının amacı
tespit_yontemi Değerlendirme yöntemi
prompt Saldırı metni (Türkçe; yoksa İngilizce özgün)
prompt_en İngilizce karşılık
beklenen_guvenli_davranis Güvenli davranışın açıklaması
basarisizlik_gostergeleri Cevapta görünürse FAIL sayılan ifadeler (`
notlar Ek not
aciklama_tr Senaryonun Türkçe özeti

Kaynaklar

  • OWASP LLM Top 10 (2026)
  • MITRE ATLAS

README history 3 revisions

Every night we snapshot the README of every dataset in the catalog. When the SHA changes we archive the new version and diff it against the last. This is the evolving thought record of the alignment-data field: what the author decided to say about the corpus, and how that framing shifted over time.

  1. 2026-09-22Upload attacks_tr.csvc5226972.5 KB
    Loading...
  2. 2026-09-22Create README.md3e0dd0a2.5 KB
    Loading...
  3. 2026-09-22initial commit12818550 B
    Loading...

Used by abliterated models none yet

No abliterated models in our catalog have declared this dataset in their YAML metadata yet. This can mean the dataset is used but not declared, is used outside abliteration workflows, or is new. The link will populate automatically as models are indexed.

Community discussions 1 thread · 1 open · 1 comments

Threads posted by the community on Hugging Face: bug reports, questions about usage, pull requests on the README, license clarifications. Click any thread to expand and read the full conversation inline. Newest first.

  1. 2026-09-23[bot] Conversion to Parquetopen1 💬#1
    Loading...

Continue on Hugging Face →

Related datasets same stage · extract

Anthropic/hh-rlhf
2.1M dl 2442 likes 90.4 MB
Dataset Card for HH-RLHF Dataset Summary This repository provides access to two different kinds of data: Human ...
djain95/sae-jailbreaks-cache
468.6K dl 1 likes 30.6 GB
mosaicml/dolly_hhrlhf
309.5K dl 113 likes 23.7 MB
Dataset Card for "dolly_hhrlhf" This dataset is a combination of Databrick's dolly-15k dataset and a filtered subset of Anthrop...
Dahoas/full-hh-rlhf
266.3K dl 104 likes 129.8 MB
Dataset Card for "full-hh-rlhf" Anthropic's HH dataset reformatted into prompt, chosen, rejected samples.
mlabonne/harmful_behaviors
198.2K dl 169 likes 23 KB
mlabonne/harmless_alpaca
190.2K dl 51 likes 1.2 MB
walledai/AdvBench
176.3K dl 123 likes 38 KB
Dataset Card for AdvBench Paper: Universal and Transferable Adversarial Attacks on Aligned Language Models Data: AdvBench Datas...
JailbreakV-28K/JailBreakV-28k
116.4K dl 80 likes 288.8 MB
⛓‍💥 JailBreakV-28K: A Benchmark for Assessing the Robustness of MultiModal Large Language Models against Jailbreak Attacks 🌐 ...

Read further

Community best practices (extraction)
5 rules the field converged on for building the pair.
Building your own extraction pair
When the reference pair is not enough. Sizing, framing, and evaluation.
Datasets that shaped abliteration
The five corpora that did most of the work.
Non-English abliteration communities
How Chinese, Russian, Japanese, and Korean practitioners build extraction pairs.

Download the dataset

0

Copy any of these snippets into your notebook or terminal. All three fetch directly from Hugging Face using your own credentials.

Recommended: datasets library (Python) 
from datasets import load_dataset
ds = load_dataset("sadecebirisii/llm-guvenlik-saldiri-senaryolari-tr")
Raw snapshot (Python) 
from huggingface_hub import snapshot_download
snapshot_download(repo_id="sadecebirisii/llm-guvenlik-saldiri-senaryolari-tr", repo_type="dataset")
git clone (requires git-lfs) 
git clone https://huggingface.co/datasets/sadecebirisii/llm-guvenlik-saldiri-senaryolari-tr
Browse repository on Hugging Face ->
Catalog is the map. Apps are the tools.

Run models on your own machine, not in the cloud.

Every model page has an "Open in Abliteration" button that hands the model directly to the first-party desktop client, at the quantization your rig can actually run. No API keys, no subscription, no prompt leakage.

Get the app Browse the catalog
Open in Abliteration