Microsoft သည် ၎င်း၏ပထမဆုံးရည်ရွယ်ချက်-တည်ဆောက်ထားသော Cybersecurity AI Model MAI-Cyber-1-Flash ကိုပြသခဲ့သည်။

Microsoft သည် ၎င်း၏ပထမဆုံးသော ဆိုက်ဘာလုံခြုံရေးအတွက် ရည်ရွယ်တည်ဆောက်ထားသည့် ဉာဏ်ရည်တုပုံစံ MAI-Cyber-1-Flash ကို ထုတ်ဖော်ပြသခဲ့ပြီး ၎င်း၏ကိုယ်ပိုင်ဆော့ဖ်ဝဲလ်နှင့် ၎င်း၏ဖောက်သည်များကို အကာအကွယ်ပေးရန်အတွက် Frontier AI ကို အသုံးပြုရန် ကုမ္ပဏီ၏တွန်းအားပေးမှုတွင် သိသာထင်ရှားသောခြေလှမ်းတစ်ရပ်ကို အမှတ်အသားပြုခဲ့သည်။ မော်ဒယ်သည် ရှုပ်ထွေးသော codebases များတွင် ဝှက်ထားသော စိန်ခေါ်မှုရှိသော အားနည်းချက်များကို ရှာဖွေဖော်ထုတ်ရန် ဒီဇိုင်းထုတ်ထားပြီး ယခုအခါ Microsoft ၏ ပိုမိုကျယ်ပြန့်သော ဘက်စုံသုံး လုံခြုံရေးပလပ်ဖောင်းတွင် ပေါင်းစပ်ထားသည်။

SecurityWeek နှင့် Microsoft ၏တရားဝင်ဘလော့ဂ်အရ MAI-Cyber-1-Flash ကို MDASH၊ ကုမ္ပဏီ၏ အားနည်းချက်များစွာကို ခွဲခြားသတ်မှတ်ခြင်းနှင့် ပြန်လည်ပြင်ဆင်ခြင်းကြိုးကွင်းအတွင်းတွင် အသုံးပြုထားသည်။ MDASH သည် များပြားလှသော နယ်နိမိတ်နှင့် ပေါင်းခံထားသော AI မော်ဒယ်များကိုဖြတ်၍ လုပ်ဆောင်နေသော အထူးပြု AI အေးဂျင့် 100 ကျော်ကို ကြိုးကိုင်ထားပြီး Microsoft ၏ ကိုယ်ပိုင်ထုတ်ကုန်များတွင် အားနည်းချက်များစွာကို ဖော်ပြရန်အတွက် အသုံးပြုထားပြီးဖြစ်သည်။ မော်ဒယ်အသစ်သည် လုပ်ငန်းဆိုင်ရာ AI ကိရိယာများသည် လုံခြုံရေးအခင်းအကျင်းကို ပြန်လည်ပုံဖော်ခြင်း၏ နောက်ဆုံးနမူနာဖြစ်သည် — ကျွန်ုပ်တို့၏ ထူးခြားဆန်းသစ်သော AI သတင်း သတင်းဖော်ပြမှုတွင် ကျွန်ုပ်တို့ အနီးကပ်ခြေရာခံနေသည့် လမ်းကြောင်းတစ်ခုဖြစ်သည်။

MAI-Cyber-1-Flash က ဘာလဲ။

အခြား AI စနစ်များ လွဲချော်လေ့ရှိသည့် ဆော့ဖ်ဝဲလ် အားနည်းချက်များကို ရှာဖွေရန် မော်ဒယ်ကို အထူးစီစဉ်ထားသည်။ ယေဘူယျရည်ရွယ်ချက်လက်ထောက်တစ်ဦးဖြစ်ရန် ကြိုးစားခြင်းထက် MAI-Cyber-1-Flash သည် ကျဉ်းမြောင်းသော်လည်း အရေးပါသောအလုပ်အတွက် အကောင်းဆုံးလုပ်ဆောင်သည်- အသုံးချနိုင်သော အားနည်းချက်များကို ရှာဖွေဖော်ထုတ်ရန် ရှုပ်ထွေးသောအရင်းအမြစ်ကုဒ်ကို ပိုင်းခြားစိတ်ဖြာခြင်း။

Microsoft က ဗိသုကာလက်ရာကို ကုန်ကျစရိတ်သက်သာသော လမ်းကြောင်းစနစ်တစ်ခုအဖြစ် ရှင်းပြခဲ့သည်။ "MAI-Cyber-1-Flash သည် လုပ်ငန်းအားလုံး၏ 90% အထိ ထိရောက်စွာ ကိုင်တွယ်နိုင်စေရန် ဒီဇိုင်းထုတ်ထားပြီး MDASH သည် ကျွန်ုပ်တို့၏ ရေယာဉ်စုရှိ ပိုမိုကြီးမားပြီး စျေးအကြီးဆုံး မော်ဒယ်များ (ဤကိစ္စတွင် GPT-5.4) ကို အမှန်တကယ် လိုအပ်နေသော အထူးခက်ခဲသော အလုပ်များ၏ 10% အတွက် ဒီဇိုင်းထုတ်ထားပါတယ်" ဟု ကုမ္ပဏီက ၎င်း၏ ကြေညာချက်တွင် ရေးသားထားသည်။ ဤအဆင့်ဆင့်ချဉ်းကပ်နည်းသည် ပုံမှန်အားနည်းချက်ကို စကင်ဖတ်ခြင်းအား စျေးသက်သာသော အထူးပြုမော်ဒယ်တွင် လုပ်ဆောင်သည်ဟု ဆိုလိုသည်၊ အခက်ခဲဆုံးသောကိစ္စများကိုသာ ပိုမိုအားကောင်းပြီး စျေးကြီးသောစနစ်များသို့ မြှင့်တင်သွားမည်ဖြစ်သည်။

ဤပေါင်းစပ်မှုသည် GPT-5.4 အားကိုးထားသည့် 5.4 mini နှင့် 5.3 codex တို့ကို ပေါင်းစပ်ထားသည့် ၎င်း၏ယခင်အကောင်းဆုံး MDASH ဖွဲ့စည်းမှုစနစ်နှင့် နှိုင်းယှဉ်ပါက ကုန်ကျစရိတ် 50% သက်သာစေကြောင်း ကုမ္ပဏီမှ ထပ်လောင်းပြောကြားခဲ့သည်။ "ဒါဟာ ထူးခြားစွာ ကြွယ်ဝတဲ့ သမိုင်းဝင်လေ့ကျင့်ရေးဒေတာကို ရယူနိုင်တဲ့ ကောင်းမွန်စွာ ညှိထားတဲ့ ပုံစံမျိုးစုံ စနစ်တစ်ခုရဲ့ စွမ်းအားဖြစ်ပါတယ်" ဟု Microsoft မှ ပြောကြားခဲ့သည်။

Benchmark စွမ်းဆောင်ရည်

CyberGym ဆိုက်ဘာလုံခြုံရေးအကဲဖြတ်မှုမူဘောင်ကို အသုံးပြု၍ စမ်းသပ်မှုတွင် MAI-Cyber-1-Flash၊ MDASH နှင့် GPT-5.4 တို့၏ ပေါင်းစပ်မှုသည် ခန့်မှန်းခြေအားဖြင့် 96% ရမှတ်ကို ရရှိခဲ့သည်ဟု Microsoft မှ ပြောကြားခဲ့ပြီး Anthropic ၏ Mythos 5 ထက် အကြမ်းဖျင်း 12 မှတ်ပိုမိုမြင့်မားသည်ဟု Microsoft မှ ပြောကြားခဲ့သည်။ ကုမ္ပဏီတွင်း စံနှုန်းများအရ အားနည်းချက်ရှာဖွေတွေ့ရှိမှုတွင် GPT-5.6 Sol။

ဤရလဒ်များကို Microsoft မှ ကိုယ်တိုင်အစီရင်ခံတင်ပြထားကြောင်း သတိပြုသင့်သည်။ ဆိုက်ဘာလုံခြုံရေး AI စံနှုန်းများကို သီးခြားအတည်ပြုခြင်းမှာ အကန့်အသတ်ရှိနေဆဲဖြစ်ပြီး CyberGym မူဘောင်သည် အကဲဖြတ်ခြင်းအခင်းအကျင်းအတွက် အတော်လေး အသစ်အဆန်းတစ်ခု ဖြစ်နေဆဲဖြစ်သည်။ Google၊ OpenAI နှင့် Anthropic တို့မှ ယှဉ်ပြိုင်သည့် မော်ဒယ်များသည် ၎င်းတို့၏ အထူးပြုလုံခြုံရေးမော်ဒယ်များ ရင့်ကျက်လာသည်နှင့်အမျှ ကွာဟချက်ကို ကောင်းစွာပိတ်နိုင်သည်။

Project Perception and Public Preview

MAI-Cyber-1-Flash သည် ဆော့ဖ်ဝဲလ်အားနည်းချက်စီမံခန့်ခွဲမှုထက် လုံခြုံရေးလုပ်ဆောင်မှုအစီအစဥ်အတွက် အဖွဲ့အစည်းများအား ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရ AI အေးဂျင့်များကို အသုံးချနိုင်စေမည့် Project Perception မှတစ်ဆင့် သုံးစွဲသူများအတွက် ရရှိစေမည်ဖြစ်သည်။ Microsoft ၏အဆိုအရ Project Perception သည် ဩဂုတ်လ 3 ရက်နေ့တွင် အများသူငှာ အကြိုကြည့်ရှုခြင်းသို့ ဝင်ရောက်ခဲ့သည်။

ပစ်လွှတ်မှုသည် ကုမ္ပဏီအတွက် ပိုမိုကျယ်ပြန့်သော ဗျူဟာမြောက် ပြောင်းလဲမှုကို အချက်ပြနေသည်။ Microsoft သည် မိတ်ဖက် OpenAI ၏ ယေဘုယျရည်ရွယ်ချက် မော်ဒယ်များကို သီးသန့်မှီခိုနေခြင်းထက် ၎င်း၏ကိုယ်ပိုင် အထူးပြု AI မော်ဒယ်လ်များကို တိုးမြှင့်တည်ဆောက်နေသည် — ထုတ်ကုန်လိုင်းများစွာတွင် ကုမ္ပဏီကလိုက်လံလုပ်ဆောင်နေသည့် ကုန်ကျစရိတ်လျှော့ချရေးဗျူဟာတစ်ခုဖြစ်သည်။ ဆိုက်ဘာလုံခြုံရေးဆိုင်ရာ သီးသန့်မော်ဒယ်ကို ပိုင်ဆိုင်ခြင်းဖြင့်၊ Microsoft သည် အနုမာနကုန်ကျစရိတ်များကို လျှော့ချနိုင်ပြီး လုပ်ငန်းလုံခြုံရေးအဖွဲ့များ၏ သီးခြားတောင်းဆိုချက်များနှင့်အညီ စနစ်ကို ပြုပြင်ပေးနိုင်ပါသည်။

AI လုံခြုံရေးအတွက် ကြီးထွားလာသောစျေးကွက်

အဖွဲ့အစည်းများသည် နှစ်စဉ်တွေ့ရှိနိုင်သော အားနည်းချက်ပမာဏနှင့် လိုက်လျောညီထွေရှိရန် ရုန်းကန်နေရသောကြောင့် ဆိုက်ဘာလုံခြုံရေး AI စျေးကွက်သည် လျင်မြန်စွာ ကျယ်ပြန့်လာသည်။ Hugging Face တွင် ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရ AI အေးဂျင့်သည် အတွင်းပိုင်းဒေတာပိုက်လိုင်းများနှင့် သက်သေအထောက်အထားများကို ဝင်ရောက်ကြည့်ရှုသည့် Hugging Face တွင် ချိုးဖောက်မှုတစ်ခုအပြီးတွင် Microsoft ၏ လှုပ်ရှားမှုသည် AI နှင့်ပတ်သက်သည့် လုံခြုံရေးအန္တရာယ်များကို သတိပြုမိလာခြင်းဖြစ်သည်။

ထိုအဖြစ်အပျက်ကြောင့် Nvidia သည် AI လုံခြုံရေးအတွက် ပွင့်လင်းသော စံနှုန်းများကို ဖော်ထုတ်ရန်အတွက် ကုမ္ပဏီ ၄၀ ကျော်၏ ညွန့်ပေါင်းအဖွဲ့ဖြစ်သော Open Secure AI Alliance ကို စတင်ရန် လှုံ့ဆော်ခဲ့သည်။ Microsoft သည် MAI-Cyber-1-Flash နှင့် Project Perception ကို ညီမျှခြင်း၏ ခံစစ်ဘက်တွင် ပံ့ပိုးကူညီမှုအဖြစ် AI အေးဂျင့်များကို အသုံးပြု၍ bugs ရှာရန်သာမက တိုက်ခိုက်သူများသည် ၎င်းတို့ကို အမြတ်ထုတ်ခြင်းမပြုမီ ၎င်းတို့ကို ပြုပြင်ရန် AI အေးဂျင့်များကို အသုံးပြုထားသည်။

TechCrunch နှင့် Axios တို့က Microsoft သည် AI အေးဂျင့်များသည် ထုတ်လုပ်မှုစနစ်များတွင် အားနည်းချက်များကို အလိုအလျောက် ဖာထေးပေးမည့် အနာဂတ်ကို မျှော်မှန်းထားကြောင်း သိရသည်။ Axios ၏အဆိုအရ ကုမ္ပဏီ၏ရည်မှန်းချက်မှာ ဟက်ကာများမတွေ့ရှိမီ AI အေးဂျင့်များအတွက် bug များကိုပြင်ဆင်ရန်ဖြစ်သည်။

ဒါက စက်မှုလုပ်ငန်းအတွက် ဘာကိုဆိုလိုလဲ။

Microsoft ၏ သီးသန့်ဆိုက်ဘာလုံခြုံရေးပုံစံကို မိတ်ဆက်ခြင်းသည် ပိုမိုကျယ်ပြန့်သော AI လုပ်ငန်းအတွက် ပြိုင်ဆိုင်မှုရလာစေသည်။ အကယ်၍ အထူးပြုလုံခြုံရေးမော်ဒယ်များသည် အားနည်းချက်ရှာဖွေခြင်းအတွက် ယေဘူယျရည်ရွယ်ချက်စနစ်များထက် သိသိသာသာစျေးသက်သာပြီး ထိရောက်မှုရှိကြောင်း သက်သေပြပါက၊ အခြားသော အဓိက AI ဝန်ဆောင်မှုပေးသူများသည် ၎င်းတို့၏ကိုယ်ပိုင်ဒိုမိန်းအလိုက် ကမ်းလှမ်းမှုများဖြင့် လိုက်လျောညီထွေဖြစ်ဖွယ်ရှိသည်။

လုပ်ငန်းဖောက်သည်များအတွက် AI-မောင်းနှင်သော လုံခြုံရေးလုပ်ဆောင်မှုများတွင် ကုန်ကျစရိတ် 50% လျှော့ချရန် ကတိကဝတ်ပြုမှုသည် ကြီးမားသည်။ လုံခြုံရေးအဖွဲ့များသည် AI ကိရိယာများကို အလေးအနက်ထားအသုံးပြုသူများထဲတွင် ပါဝင်သော်လည်း စဉ်ဆက်မပြတ်အားနည်းချက်စကင်န်ဖတ်ခြင်းအတွက် လိုအပ်သောအတိုင်းအတာဖြင့် Frontier မော်ဒယ်များကို လည်ပတ်ရာတွင် ကုန်ကျစရိတ်သည် အမြဲတမ်းအတားအဆီးဖြစ်နေပါသည်။ ကုန်ကျစရိတ်၏ တစ်စိတ်တစ်ပိုင်းဖြင့် အလုပ်အများစုကို ကောင်းစွာထိန်းညှိပေးသည့် အထူးပြုပုံစံသည် လုပ်ငန်းနယ်ပယ်တစ်ခွင်တွင် မွေးစားခြင်းကို အရှိန်မြှင့်ပေးနိုင်သည်။

ယခုအခါ အဓိကမေးခွန်းမှာ Microsoft ၏ ကိုယ်တိုင်အစီရင်ခံထားသော စံနှုန်းများသည် လွတ်လပ်သော စိစစ်မှုအောက်တွင် ရှိနေခြင်း ရှိ၊ မရှိ၊ OpenAI၊ Google နှင့် Anthropic တို့မှ ယှဉ်ပြိုင်သည့် မော်ဒယ်များ သည် မစ်ရှင်တစ်ခုအတွက် ရည်ရွယ်တည်ဆောက်ထားသော စနစ်တစ်ခု၏ စွမ်းဆောင်ရည်နှင့် ကိုက်ညီမှုရှိမရှိ ဖြစ်သည်။ Project Perception သည် ဩဂုတ်လတွင် အများသူငှာ အစမ်းကြည့်ရှုခြင်းသို့ ဝင်ရောက်လာသည်နှင့်အမျှ MAI-Cyber-1-Flash သည် Microsoft ၏ တောင်းဆိုချက်များနှင့် ကိုက်ညီမှုရှိမရှိကို ဆိုက်ဘာလုံခြုံရေးအသိုင်းအဝိုင်းမှ ၎င်း၏ပထမဆုံးသော လက်တွေ့ကမ္ဘာကို ကြည့်ရှုရမည်ဖြစ်သည်။

AI လုံခြုံရေး ဖွံ့ဖြိုးတိုးတက်မှုများထက် သာလွန်နေပါစေ။

ဆိုက်ဘာလုံခြုံရေး AI အခင်းအကျင်း ပြောင်းလဲလာသည်နှင့်အမျှ AI သတင်း တွင် ပိုမိုဖတ်ရှုပါ။

AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →