Η Cisco Systems παρουσίασε στις 21 Ιουλίου το Antares, μια οικογένεια μοντέλων μικρών γλωσσών που έχουν κατασκευαστεί για να εντοπίζουν ακριβώς πού βρίσκονται γνωστά τρωτά σημεία ασφαλείας μέσα σε μια βάση κώδικα και κυκλοφόρησε τα δύο πρώτα ως λήψεις ανοιχτού βάρους στο Hugging Face. Η κυκλοφορία, που καλύπτεται από τα SiliconANGLE, Axios και Help Net Security, σηματοδοτεί μια από τις πιο συγκεκριμένες προσπάθειες που έχουν γίνει μέχρι στιγμής για να έρθουν εξειδικευμένα μικρά μοντέλα σε μια γωνιά ασφάλειας λογισμικού που εδώ και πολύ καιρό ήταν αργή, δαπανηρή και βασίζεται σε ανθρώπινους ερευνητές.
Το Antares προέρχεται από το Cisco Foundation AI, την ομάδα έρευνας και μηχανικής της εταιρείας που επικεντρώνεται στην τεχνητή νοημοσύνη ειδικά για την ασφάλεια. Το έργο αντιμετωπίζει ένα πρόβλημα που είναι γνωστό ως εντοπισμός ευπάθειας, η εργασία σύνδεσης εξωτερικών δεδομένων ευπάθειας, όπως δημόσιες βάσεις δεδομένων, συμβουλές και καταχωρήσεις Common Weakness Enumeration (CWE), με συγκεκριμένα αρχεία σε ένα αποθετήριο όπου είναι πιο πιθανό να υπάρχει ένα ελάττωμα. Για να παρακολουθήσετε τις τελευταίες εξελίξεις σε αυτόν τον χώρο, ανατρέξτε στην κάλυψη του κλάδου AI.
Μικρά μοντέλα που κατασκευάστηκαν για μια συγκεκριμένη εργασία
Δύο μοντέλα είναι διαθέσιμα τώρα: Antares-350M και Antares-1B, με ένα μεγαλύτερο μοντέλο Antares-3B να ακολουθήσει. Όλα είναι αρκετά μικρά για να εκτελούνται τοπικά, κάτι που η Cisco είπε ότι επιτρέπει στις ομάδες ασφαλείας να διατηρούν τον ευαίσθητο πηγαίο κώδικα μέσα στο δικό τους περιβάλλον αντί να τον στέλνουν σε μια υπηρεσία cloud. Αυτό είναι ένα αξιοσημείωτο σημείο πώλησης για τα πανεπιστήμια, τους φορείς του δημόσιου τομέα, τους μη κερδοσκοπικούς οργανισμούς και τις μικρότερες ομάδες ασφαλείας που δεν διαθέτουν τον προϋπολογισμό για εμπορικά μοντέλα συνόρων με βαριά μάρκες.
Αντί να σαρώνει ένα αποθετήριο με σταθερούς κανόνες, ο Antares λειτουργεί μέσω αυτού όπως θα έκανε ένας ανθρώπινος ερευνητής. Κάθε μοντέλο ξεκινά από μια περιγραφή ευπάθειας, αναζητά σχετικά μοτίβα κώδικα, διαβάζει υποψήφια αρχεία, διπλώνει νέα στοιχεία καθώς προχωρά, αλλάζει κατεύθυνση όταν μια διαδρομή δεν οδηγεί πουθενά και περιορίζεται προς τα αρχεία που είναι πιο πιθανό να έχουν σημασία. Η έξοδος είναι μια ταξινομημένη λίστα αρχείων προέλευσης που ενδέχεται να περιέχουν τη σχετική ευπάθεια, μαζί με το ίχνος εξερεύνησης τερματικού που το παρήγαγε.
Προσαρμοσμένο σημείο αναφοράς και δραματική εξοικονόμηση κόστους
Για τη μέτρηση των μοντέλων, η Cisco δημιούργησε το δικό της τεστ, το Vulnerability Localization Benchmark, ένα σύνολο 500 καταχωρήσεων που απαιτεί από ένα μοντέλο να περιηγηθεί σε μια άγνωστη βάση κώδικα και να αναγνωρίσει μοτίβα ευπάθειας που συνδέονται με συγκεκριμένες κατηγορίες αδυναμιών. Η Cisco υποστήριξε ότι τα υπάρχοντα σημεία αναφοράς αναζήτησης κώδικα μετρούν εάν ένας πράκτορας μπορεί να βρει κώδικα σχετικό με ένα γενικό ζήτημα λογισμικού και όχι εάν μπορεί να εντοπίσει ευάλωτα αρχεία από περιγραφές ασφαλείας. Η πιο κοντινή συγκρίσιμη εργασία που ανέφερε η εταιρεία είναι ένα σύστημα που ονομάζεται CodeScout, το οποίο έδειξε ότι η τοπική προσαρμογή κώδικα μπορεί να εκπαιδευτεί και να μετρηθεί με ένα τυπικό τερματικό Unix.
Σε αυτό το σημείο αναφοράς, η Cisco είπε ότι τα μοντέλα Antares ξεπέρασαν περίπου μια ντουζίνα μεγαλύτερα μοντέλα ανοιχτού και κλειστού βάρους όσον αφορά την ακρίβεια, ενώ λειτουργούσαν πολύ φθηνότερα. Η εταιρεία έθεσε το κόστος μιας αξιολόγησης Antares κάτω από ένα δολάριο, έναντι περίπου 12,50 $ για το ισχυρότερο μοντέλο ανοιχτού βάρους που δοκίμασε, το GLM-5.2, και περίπου 141 $ για το ισχυρότερο μοντέλο κλειστού κώδικα, το GPT-5.5. Αυτά τα στοιχεία είναι 15,2 φορές και 172 φορές φθηνότερα, αντίστοιχα. Το Antares ολοκλήρωσε επίσης τις διαδρομές αναφοράς σε περίπου μία ώρα, σε σύγκριση με περίπου τεσσεράμισι ώρες για το GPT-5.5.
Το χάσμα απόδοσης υπογραμμίζει μια ευρύτερη τάση του κλάδου: για στενά καθορισμένες εργασίες, τα προσεκτικά εκπαιδευμένα μικρά μοντέλα μπορούν να ταιριάζουν ή να υπερβαίνουν τα μοντέλα συνόρων γενικής χρήσης με ένα μικρό ποσό του υπολογιστικού κόστους. Όπως ανέφερε η Axios, η Cisco ουσιαστικά στοιχηματίζει ότι η μικρότερη, ειδικά κατασκευασμένη τεχνητή νοημοσύνη θα κερδίσει στην εταιρική ασφάλεια στον κυβερνοχώρο, όπου οι ομάδες ενδιαφέρονται περισσότερο για την αξιοπιστία, το κόστος και το απόρρητο των δεδομένων από το μέγεθος του πρωτογενούς μοντέλου.
Μέρος μιας ώθησης AI ευρύτερης ασφάλειας
Το Antares είναι το πιο πρόσφατο κομμάτι μιας ευρύτερης προσπάθειας της Cisco σχετικά με την τεχνητή νοημοσύνη στον τομέα της ασφάλειας. Τον Οκτώβριο, η εταιρεία κυκλοφόρησε το Project CodeGuard, ένα πλαίσιο ανοιχτού κώδικα κανόνων ασφαλούς κωδικοποίησης για πράκτορες κωδικοποίησης AI. Τον Μάιο, δημοσίευσε το Foundry Security Spec, ένα ανοιχτό σχέδιο για την κατασκευή συστημάτων αξιολόγησης ασφάλειας. Η Antares επεκτείνει αυτή τη γραμμή εργασίας βάζοντας ένα χρησιμοποιήσιμο, ανοιχτού βάρους μοντέλο απευθείας στα χέρια των επαγγελματιών.
Η έκδοση έρχεται επίσης εν μέσω αυξανόμενης ανησυχίας σχετικά με τους κινδύνους λογισμικού που σχετίζονται με την τεχνητή νοημοσύνη. Τον ίδιο μήνα η Cisco δημοσίευσε το Foundry Security Spec, το Bloomberg ανέφερε ότι ένα προηγμένο μοντέλο Anthropic πυροδότησε μια έκτακτη συνάντηση μεταξύ του υπουργού Οικονομικών Scott Bessent, του προέδρου της Federal Reserve Jerome Powell και τραπεζικών στελεχών, υπογραμμίζοντας πόσο σοβαρά αντιμετωπίζουν οι ρυθμιστικές αρχές τις επιπτώσεις στην ασφάλεια των ισχυρών συστημάτων AI.
Τι σημαίνει για προγραμματιστές και ομάδες ασφαλείας
Για οργανισμούς που έχουν διστάσει να υιοθετήσουν ανάλυση κώδικα βάσει τεχνητής νοημοσύνης λόγω ανησυχιών σχετικά με το κόστος ή την έκθεση δεδομένων, η Antares προσφέρει μια μέση οδό. Επειδή τα μοντέλα είναι ανοιχτού βάρους και αρκετά μικρά ώστε να λειτουργούν με μέτριο υλικό, οι ομάδες μπορούν να τα αναπτύξουν πίσω από τα δικά τους τείχη προστασίας, ελέγχοντας κάθε κλήση συμπερασμάτων χωρίς να πληρώνουν τέλη ανά διακριτικό σε έναν πάροχο cloud. Η αδειοδότηση ανοιχτού βάρους σημαίνει επίσης ότι οι ερευνητές μπορούν να επιθεωρήσουν, να τελειοποιήσουν και να επεκτείνουν τα μοντέλα για τους δικούς τους τομείς.
Το συμβιβασμό είναι ότι τα μικρά μοντέλα είναι εξειδικευμένα σχεδιαστικά. Ο Antares δεν θα συντάξει ένα email μάρκετινγκ, δεν θα συνοψίσει μια συνάντηση ή θα απαντήσει σε μια ερώτηση γενικών γνώσεων. Αυτό που είναι φτιαγμένο για να κάνει, να εντοπίσει τα ακριβή αρχεία όπου είναι πιθανό να κρύβεται μια γνωστή κατηγορία ευπάθειας, φαίνεται να τα καταφέρνει καλύτερα από μοντέλα χίλιες φορές το μέγεθός του, τουλάχιστον στο σημείο αναφοράς της ίδιας της Cisco.
Το εάν οι ανεξάρτητοι ερευνητές επιβεβαιώσουν αυτά τα αποτελέσματα στις δικές τους βάσεις κωδικών θα καθορίσει πόσο ευρέως υιοθετείται το Antares. Προς το παρόν, το λανσάρισμα ενισχύει ένα μήνυμα που δημιουργείται σε όλη τη βιομηχανία της τεχνητής νοημοσύνης όλο το χρόνο: όταν η εργασία είναι αρκετά περιορισμένη, τα μικρότερα μπορεί να είναι πιο έξυπνα, φθηνότερα και ασφαλέστερα.
---
Μείνετε μπροστά από την τεχνητή νοημοσύνηΛάβετε τα τελευταία νέα, αναλύσεις και ανακαλύψεις AI — όλα σε ένα μέρος.
Διαβάστε περισσότερα νέα AI →
