21 lipca firma Cisco Systems wprowadziła Antares, rodzinę małych modeli językowych zbudowanych w celu dokładnego wskazania, gdzie w bazie kodu znajdują się znane luki w zabezpieczeniach, i udostępniła pierwsze dwa w formie otwartej do pobrania na platformie Hugging Face. Premiera, wspierana przez SiliconANGLE, Axios i Help Net Security, oznacza jedną z najbardziej konkretnych prób wprowadzenia wyspecjalizowanych małych modeli w obszar bezpieczeństwa oprogramowania, który od dawna był powolny, kosztowny i zależny od ludzkich badaczy.
Antares pochodzi z Cisco Foundation AI, grupy badawczo-inżynieryjnej firmy zajmującej się sztuczną inteligencją specyficzną dla bezpieczeństwa. Projekt rozwiązuje problem znany jako lokalizacja podatności, polegający na łączeniu zewnętrznych danych o podatnościach, takich jak publiczne bazy danych, porady i wpisy Common Weakness Enumeration (CWE), z określonymi plikami w repozytorium, w których najprawdopodobniej występuje usterka. Aby śledzić najnowsze osiągnięcia w tej dziedzinie, zapoznaj się z naszym reportażem branży AI.
Małe modele zbudowane do konkretnego zadania
Obecnie dostępne są dwa modele: Antares-350M i Antares-1B, a w przyszłości pojawi się większy model Antares-3B. Wszystkie są na tyle małe, że można je uruchamiać lokalnie, co według Cisco pozwala zespołom ds. bezpieczeństwa przechowywać wrażliwy kod źródłowy we własnym środowisku, zamiast wysyłać go do usługi w chmurze. Jest to zauważalna zaleta dla uniwersytetów, organów sektora publicznego, organizacji non-profit i mniejszych zespołów ds. bezpieczeństwa, którym brakuje budżetu na komercyjne modele graniczne wymagające dużej ilości tokenów.
Zamiast skanować repozytorium według ustalonych reguł, Antares przegląda je w taki sam sposób, w jaki zrobiłby to badacz. Każdy model zaczyna się od opisu luki, wyszukuje odpowiednie wzorce kodu, czyta akta kandydatów, w miarę upływu czasu dołącza nowe dowody, zmienia kierunek, gdy ścieżka prowadzi donikąd, i zawęża się w kierunku plików, które najprawdopodobniej mają znaczenie. Wynikiem jest rankingowa lista plików źródłowych, które prawdopodobnie zawierają daną lukę, wraz ze śladem eksploracji terminala, który ją wytworzył.
Niestandardowy test porównawczy i radykalne oszczędności
Aby zmierzyć modele, firma Cisco stworzyła własny test, test porównawczy lokalizacji luk, składający się z 500 wpisów, który wymaga, aby model poruszał się po nieznanej bazie kodu i rozpoznawał wzorce podatności powiązane z określonymi kategoriami słabych punktów. Cisco argumentowało, że istniejące testy porównawcze wyszukiwania kodu mierzą, czy agent może znaleźć kod odnoszący się do ogólnego problemu z oprogramowaniem, a nie czy może zlokalizować podatne pliki na podstawie opisów zabezpieczeń. Najbliższą porównywalną pracą przytoczoną przez firmę jest system o nazwie CodeScout, który pokazał, że lokalizację kodu można trenować i mierzyć za pomocą standardowego terminala uniksowego.
W tym teście Cisco stwierdziło, że modele Antares pokonują około tuzina większych modeli o masie otwartej i zamkniętej pod względem dokładności, a jednocześnie są znacznie tańsze. Firma oszacowała koszt oceny Antaresa na mniej niż jednego dolara, w porównaniu z około 12,50 dolarami za najsilniejszy testowany model o otwartej wadze, GLM-5.2 i około 141 dolarów za najsilniejszy model o zamkniętym kodzie źródłowym, GPT-5.5. Liczby te są odpowiednio 15,2 razy i 172 razy tańsze. Antares również zakończył testy porównawcze w około godzinę, w porównaniu z około czterema i pół godzinami w przypadku GPT-5.5.
Różnica w wydajności podkreśla szerszy trend branżowy: w przypadku wąsko zdefiniowanych zadań starannie wyszkolone małe modele mogą dorównywać lub przewyższać modele graniczne ogólnego przeznaczenia przy ułamku kosztów obliczeniowych. Jak donosi Axios, Cisco skutecznie obstawia, że mniejsza, specjalnie zaprojektowana sztuczna inteligencja zwycięży w cyberbezpieczeństwie przedsiębiorstw, gdzie zespołom bardziej zależy na niezawodności, kosztach i prywatności danych niż na surowym rozmiarze modelu.
Część szerszego ataku na sztuczną inteligencję w zakresie bezpieczeństwa
Antares to najnowszy element szerszego projektu Cisco dotyczącego sztucznej inteligencji w zakresie bezpieczeństwa. W październiku firma wypuściła Project CodeGuard, platformę open source zawierającą zasady bezpiecznego kodowania dla agentów kodujących AI. W maju opublikowała Foundry Security Spec, otwarty plan budowania agentycznych systemów oceny bezpieczeństwa. Antares rozszerza tę dziedzinę pracy, oddając użyteczny model o otwartej masie bezpośrednio w ręce praktyków.
Wydanie to pojawia się także w związku z rosnącymi obawami dotyczącymi zagrożeń oprogramowania związanych ze sztuczną inteligencją. W tym samym miesiącu, w którym Cisco opublikowało specyfikację Foundry Security Spec, Bloomberg poinformował, że zaawansowany model antropiczny doprowadził do nadzwyczajnego spotkania pomiędzy Sekretarzem Skarbu Scottem Bessentem, prezesem Rezerwy Federalnej Jeromem Powellem i dyrektorami banków, podkreślając, jak poważnie organy regulacyjne traktują konsekwencje dla bezpieczeństwa potężnych systemów sztucznej inteligencji.
Co to oznacza dla programistów i zespołów ds. bezpieczeństwa
Organizacjom, które wahały się przed przyjęciem analizy kodu opartej na sztucznej inteligencji ze względu na koszty lub ekspozycję danych, Antares oferuje środkową ścieżkę. Ponieważ modele są otwarte i wystarczająco małe, aby działać na skromnym sprzęcie, zespoły mogą wdrażać je za własnymi zaporami ogniowymi, kontrolując każde wywołanie wnioskowania bez płacenia dostawcy usług w chmurze opłat za token. Licencjonowanie otwarte oznacza również, że badacze mogą sprawdzać, dostrajać i rozszerzać modele dla swoich własnych dziedzin.
Kompromis polega na tym, że małe modele są z założenia wyspecjalizowane. Antares nie będzie sporządzać e-maili marketingowych, podsumowywać spotkań ani odpowiadać na pytania dotyczące wiedzy ogólnej. Do czego został stworzony, czyli lokalizowania dokładnych plików, w których prawdopodobnie kryje się znana klasa luk w zabezpieczeniach. Wydaje się, że radzi sobie lepiej niż modele tysiąckrotnie większe, przynajmniej w testach porównawczych Cisco.
To, czy niezależni badacze potwierdzą te wyniki na własnych bazach kodów, określi, jak szeroko zostanie przyjęty Antares. Na razie premiera wzmacnia przesłanie, które buduje się w branży sztucznej inteligencji przez cały rok: gdy zadanie jest wystarczająco wąskie, mniejsze może być mądrzejsze, tańsze i bezpieczniejsze.
---
Wyprzedź sztuczną inteligencjęOtrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.
Przeczytaj więcej aktualności o sztucznej inteligencji →
