Cisco Systems il 21 luglio ha introdotto Antares, una famiglia di piccoli modelli linguistici creati per individuare esattamente dove si trovano le vulnerabilità di sicurezza note all'interno di una base di codice, e ha rilasciato i primi due come download a peso aperto su Hugging Face. Il lancio, coperto da SiliconANGLE, Axios e Help Net Security, segna uno dei tentativi più concreti finora di portare piccoli modelli specializzati in un angolo della sicurezza del software che è stato a lungo lento, costoso e dipendente da investigatori umani.
Antares proviene da Cisco Foundation AI, il gruppo di ricerca e ingegneria dell'azienda focalizzato sull'intelligenza artificiale specifica per la sicurezza. Il progetto affronta un problema noto come localizzazione delle vulnerabilità, il lavoro di connessione di dati esterni sulle vulnerabilità, come database pubblici, avvisi e voci CWE (Common Weakness Enumeration), ai file specifici in un repository in cui è più probabile che si trovi un difetto. Per seguire gli ultimi sviluppi in questo spazio, consulta la nostra Copertura del settore AI.
Piccoli modelli costruiti per un lavoro specifico
Sono ora disponibili due modelli: Antares-350M e Antares-1B, a cui seguirà un modello più grande Antares-3B. Sono tutti sufficientemente piccoli da poter essere eseguiti localmente, il che, secondo Cisco, consente ai team di sicurezza di mantenere il codice sorgente sensibile all'interno del proprio ambiente anziché inviarlo a un servizio cloud. Questo è un notevole punto di forza per le università, gli enti del settore pubblico, le organizzazioni no-profit e i team di sicurezza più piccoli che non dispongono del budget per modelli di frontiera commerciale pesanti.
Invece di scansionare un archivio con regole fisse, Antares lo elabora come farebbe un investigatore umano. Ogni modello parte da una descrizione della vulnerabilità, cerca modelli di codice rilevanti, legge i file candidati, inserisce nuove prove man mano che procede, cambia direzione quando un percorso non porta da nessuna parte e si restringe verso i file che probabilmente contano. L'output è un elenco classificato di file sorgente che potrebbero contenere la vulnerabilità rilevante, insieme alla traccia di esplorazione del terminale che l'ha prodotta.
Un benchmark personalizzato e un notevole risparmio sui costi
Per misurare i modelli, Cisco ha creato il proprio test, il Vulnerability Localization Benchmark, un set di 500 voci che richiede a un modello di navigare in una codebase sconosciuta e riconoscere modelli di vulnerabilità legati a specifiche categorie di debolezza. Cisco ha sostenuto che i benchmark esistenti per la ricerca del codice misurano se un agente può trovare codice rilevante per un problema generale del software, non se può individuare file vulnerabili dalle descrizioni della sicurezza. Il lavoro comparabile più simile citato dall'azienda è un sistema chiamato CodeScout, che ha dimostrato che la localizzazione del codice può essere addestrata e misurata con un terminale Unix standard.
Su questo punto di riferimento, Cisco ha affermato che i modelli Antares battono circa una dozzina di modelli più grandi a peso aperto e chiuso in termini di precisione, pur essendo molto più economici. L’azienda ha stimato il costo di una valutazione Antares a meno di un dollaro, contro circa 12,50 dollari per il modello open-weight più potente testato, GLM-5.2, e circa 141 dollari per il modello closed-source più potente, GPT-5.5. Queste cifre risultano rispettivamente 15,2 volte e 172 volte più economiche. Antares ha inoltre terminato i benchmark in circa un'ora, rispetto alle circa quattro ore e mezza di GPT-5.5.
Il divario prestazionale evidenzia una tendenza più ampia del settore: per compiti strettamente definiti, piccoli modelli attentamente addestrati possono eguagliare o superare i modelli di frontiera generici a una frazione del costo di calcolo. Come riportato da Axios, Cisco sta effettivamente scommettendo che un’intelligenza artificiale più piccola e appositamente progettata vincerà nella sicurezza informatica aziendale, dove i team si preoccupano più dell’affidabilità, dei costi e della privacy dei dati rispetto alle dimensioni grezze del modello.
Parte di un più ampio intervento di intelligenza artificiale sulla sicurezza
Antares è l’ultimo tassello di un più ampio impegno di Cisco sull’intelligenza artificiale nella sicurezza. A ottobre, la società ha rilasciato Project CodeGuard, un framework open source di regole di codifica sicura per agenti di codifica AI. A maggio ha pubblicato il Foundry Security Spec, un progetto aperto per la creazione di sistemi di valutazione della sicurezza tramite agenti. Antares estende questa linea di lavoro mettendo un modello utilizzabile e di peso aperto direttamente nelle mani dei professionisti.
Il rilascio arriva anche in un contesto di crescente preoccupazione per i rischi software legati all’intelligenza artificiale. Lo stesso mese in cui Cisco ha pubblicato le Foundry Security Spec, Bloomberg ha riferito che un modello antropico avanzato ha innescato un incontro di emergenza tra il segretario al Tesoro Scott Bessent, il presidente della Federal Reserve Jerome Powell e i dirigenti bancari, sottolineando quanto seriamente i regolatori stiano trattando le implicazioni sulla sicurezza dei potenti sistemi di intelligenza artificiale.
Cosa significa per gli sviluppatori e i team di sicurezza
Per le organizzazioni che hanno esitato ad adottare l’analisi del codice basata sull’intelligenza artificiale a causa di problemi di costi o di esposizione dei dati, Antares offre una via di mezzo. Poiché i modelli sono aperti e sufficientemente piccoli da poter essere eseguiti su hardware modesto, i team possono implementarli dietro i propri firewall, controllando ogni chiamata di inferenza senza pagare tariffe per token a un fornitore di servizi cloud. La licenza a peso aperto significa anche che i ricercatori possono ispezionare, mettere a punto ed estendere i modelli per i propri domini.
Il compromesso è che i modelli piccoli sono specializzati in termini di progettazione. Antares non redigerà un'e-mail di marketing, riassumerà un incontro o risponderà a domande di cultura generale. Ciò per cui è stato costruito, ovvero individuare i file precisi in cui è probabile che si nasconda una classe nota di vulnerabilità, sembra fare meglio di modelli mille volte più grandi, almeno secondo il benchmark di Cisco.
Il fatto che ricercatori indipendenti confermino questi risultati sulle proprie basi di codice determinerà l’ampiezza dell’adozione di Antares. Per ora, il lancio rafforza un messaggio che si è diffuso nel settore dell’intelligenza artificiale durante tutto l’anno: quando il compito è sufficientemente limitato, più piccolo può essere più intelligente, più economico e più sicuro.
---
Stai al passo con l'intelligenza artificialeRicevi le ultime notizie, analisi e scoperte sull'intelligenza artificiale, tutto in un unico posto.
Leggi altre notizie sull'AI →
