مایکروسافت از MAI-Cyber-1-Flash، اولین مدل هوش مصنوعی خود که برای امنیت سایبری ساخته شده است، رونمایی کرد، که گام مهمی در تلاش این شرکت برای استفاده از هوش مصنوعی مرزی برای دفاع از نرمافزار خود و مشتریانش است. این مدل برای شناسایی آسیبپذیریهای چالش برانگیز پنهان در پایگاههای کد پیچیده طراحی شده است و اکنون در پلتفرم امنیتی چند عاملی گستردهتر مایکروسافت ادغام شده است.
طبق گفته SecurityWeek و وبلاگ رسمی مایکروسافت، MAI-Cyber-1-Flash در داخل MDASH، شناسایی آسیبپذیری و مهار آسیبپذیری چند عاملی این شرکت، مستقر شده است. MDASH بیش از 100 عامل تخصصی هوش مصنوعی را تنظیم می کند که در چندین مدل هوش مصنوعی مرزی و تقطیر شده کار می کنند و قبلاً برای آشکارسازی آسیب پذیری های متعدد در محصولات خود مایکروسافت استفاده شده است. مدل جدید جدیدترین نمونه از نحوه تغییر شکل ابزارهای هوش مصنوعی سازمانی به چشم انداز امنیتی است - روندی که ما از نزدیک در پوشش خبری [اخبار هوش مصنوعی] (https://aibuzzwire.news) خود را دنبال می کنیم.
آنچه که MAI-Cyber-1-Flash انجام می دهد
این مدل به طور خاص برای یافتن آسیبپذیریهای نرمافزاری تنظیم شده است که سایر سیستمهای هوش مصنوعی تمایل دارند آنها را از دست بدهند. MAI-Cyber-1-Flash به جای تلاش برای تبدیل شدن به یک دستیار همه منظوره، برای یک کار باریک اما حیاتی بهینه شده است: تجزیه و تحلیل کد منبع پیچیده برای شناسایی نقص های قابل بهره برداری.
مایکروسافت معماری را به عنوان یک سیستم مسیریابی آگاهانه از هزینه توضیح داد. این شرکت در بیانیه خود نوشت: "MAI-Cyber-1-Flash برای انجام کارآمد تا 90٪ از همه وظایف طراحی شده است، و MDASH را قادر می سازد تا از مدل های بزرگتر و پرهزینه در ناوگان ما (در این مورد GPT-5.4) برای 10٪ از کارهای بسیار سخت که واقعاً به آنها نیاز دارند، استفاده کند. این رویکرد لایهبندی به این معنی است که اسکن آسیبپذیری معمولی بر روی مدل تخصصی ارزانتر اجرا میشود، در حالی که تنها سختترین موارد به سیستمهای قدرتمندتر و گرانتر تبدیل میشوند.
این شرکت اضافه کرد که این ترکیب در مقایسه با بهترین پیکربندی قبلی MDASH که بر GPT-5.4 همراه با 5.4 مینی و کدکس 5.3 متکی بود، 50 درصد در هزینه صرفه جویی می کند. مایکروسافت گفت: «این قدرت یک سیستم چند مدلی و به خوبی تنظیم شده با دسترسی به داده های آموزشی تاریخی غنی است.
عملکرد معیار
در آزمایشی که با استفاده از چارچوب ارزیابی امنیت سایبری CyberGym انجام شد، ترکیب MAI-Cyber-1-Flash، MDASH، و GPT-5.4 امتیاز تقریباً 96٪ را به دست آورد که مایکروسافت گفت که تقریباً 12 امتیاز بالاتر از Mythos 5 Anthropic است. همین پیکربندی همچنین در FlashSol3-5 که اخیراً راه اندازی شده بود و Google Open6. کشف آسیب پذیری، با توجه به معیارهای داخلی شرکت.
شایان ذکر است که این نتایج توسط مایکروسافت گزارش شده است. تأیید مستقل معیارهای هوش مصنوعی امنیت سایبری محدود است و چارچوب CyberGym هنوز یک افزوده نسبتاً جدید به چشم انداز ارزیابی است. مدلهای رقیب Google، OpenAI و Anthropic ممکن است با رشد مدلهای امنیتی تخصصی خود، شکاف را کاهش دهند.
درک پروژه و پیش نمایش عمومی
MAI-Cyber-1-Flash از طریق Project Perception در دسترس مشتریان قرار می گیرد، یک پیشنهاد امنیتی عاملی که سازمان ها را قادر می سازد تا عوامل هوش مصنوعی مستقل را برای گردش های کاری امنیتی فراتر از مدیریت آسیب پذیری نرم افزار مستقر کنند. به گفته مایکروسافت، Project Perception در 3 آگوست وارد پیش نمایش عمومی می شود.
راه اندازی سیگنال یک تغییر استراتژیک گسترده تر برای شرکت است. مایکروسافت بهطور فزایندهای در حال ساخت مدلهای تخصصی هوش مصنوعی خود است نه اینکه منحصراً بر مدلهای همهمنظوره شریک OpenAI تکیه کند - یک استراتژی کاهش هزینه که این شرکت در چندین خط تولید دنبال میکند. مایکروسافت با داشتن یک مدل خاص امنیت سایبری، هم میتواند هزینههای استنتاج را کاهش دهد و هم سیستم را با نیازهای خاص تیمهای امنیتی سازمانی تنظیم کند.
بازار در حال رشد برای امنیت هوش مصنوعی
بازار هوش مصنوعی امنیت سایبری به سرعت در حال گسترش است زیرا سازمانها تلاش میکنند تا با حجم آسیبپذیریهای کشفشده هر ساله همگام شوند. این اقدام مایکروسافت در بحبوحه آگاهی افزایش یافته از خطرات امنیتی مرتبط با هوش مصنوعی انجام می شود، پس از نقض در Hugging Face که در آن یک عامل هوش مصنوعی مستقل به خطوط لوله داده های داخلی دسترسی پیدا کرده و اعتبارنامه ها را افشا می کند.
این اتفاق باعث شد تا Nvidia به راه اندازی Open Secure AI Alliance، ائتلافی متشکل از بیش از 40 شرکت که بر روی توسعه استانداردهای باز برای امنیت هوش مصنوعی متمرکز هستند، راه اندازی کند. مایکروسافت MAI-Cyber-1-Flash و Project Perception را بهعنوان سهم خود در جنبه دفاعی معادله قرار میدهد – با استفاده از عوامل هوش مصنوعی نه تنها برای یافتن باگها، بلکه برای رفع آنها قبل از اینکه مهاجمان بتوانند از آنها سوء استفاده کنند.
TechCrunch و Axios گزارش دادند که مایکروسافت آینده ای را متصور است که در آن عوامل هوش مصنوعی به طور مستقل آسیب پذیری های سیستم های تولید را اصلاح می کنند. به گفته Axios، هدف این شرکت این است که عوامل هوش مصنوعی قبل از اینکه هکرها آنها را پیدا کنند، اشکالات را برطرف کنند.
این چه معنایی برای صنعت دارد
راه اندازی یک مدل اختصاصی امنیت سایبری توسط مایکروسافت، خطرات رقابتی را برای صنعت گسترده تر هوش مصنوعی افزایش می دهد. اگر مدلهای امنیتی تخصصی به طور قابلتوجهی ارزانتر و مؤثرتر از سیستمهای همه منظوره برای تشخیص آسیبپذیری باشند، سایر ارائهدهندگان اصلی هوش مصنوعی احتمالاً با پیشنهادات دامنه خاص خود از این روش پیروی خواهند کرد.
برای مشتریان سازمانی، وعده کاهش 50 درصدی هزینه در عملیات امنیتی مبتنی بر هوش مصنوعی بسیار مهم است. تیمهای امنیتی از جمله سنگینترین پذیرندگان ابزارهای هوش مصنوعی بودهاند، اما هزینه اجرای مدلهای مرزی در مقیاس مورد نیاز برای اسکن مستمر آسیبپذیری یک مانع دائمی بوده است. یک مدل کاملاً تنظیم شده و تخصصی که اکثر وظایف را با کسری از هزینه انجام می دهد، می تواند پذیرش را در سراسر صنعت تسریع کند.
اکنون سوال کلیدی این است که آیا معیارهای خود گزارش شده مایکروسافت تحت نظارت مستقل باقی می مانند و آیا مدل های رقیب OpenAI، Google و Anthropic می توانند با عملکرد یک سیستم ساخته شده برای یک ماموریت منفرد مطابقت داشته باشند یا خیر. همانطور که Project Perception در ماه آگوست وارد پیش نمایش عمومی می شود، جامعه امنیت سایبری اولین نگاه واقعی خود را در مورد اینکه آیا MAI-Cyber-1-Flash مطابق ادعاهای مایکروسافت است یا خیر، خواهد داشت.
از پیشرفت های امنیتی هوش مصنوعی جلوتر باشید
با تکامل چشم انداز هوش مصنوعی امنیت سایبری، [اخبار AI] (https://aibuzzwire.news) را بیشتر بخوانید.
اخبار هوش مصنوعی را بیشتر بخوانید →
