เมื่อวันที่ 21 กรกฎาคม Cisco Systems ได้เปิดตัว Antares ซึ่งเป็นตระกูลโมเดลภาษาขนาดเล็กที่สร้างขึ้นเพื่อระบุตำแหน่งที่ช่องโหว่ด้านความปลอดภัยที่ทราบอยู่ในโค้ดเบส และเปิดตัวสองรายการแรกในรูปแบบการดาวน์โหลดแบบ open-weight บน Hugging Face การเปิดตัวครั้งนี้ครอบคลุมโดย SiliconANGLE, Axios และ Help Net Security ถือเป็นความพยายามที่เป็นรูปธรรมที่สุดครั้งหนึ่งในการนำโมเดลขนาดเล็กเฉพาะทางมาสู่มุมของการรักษาความปลอดภัยซอฟต์แวร์ที่ช้า มีราคาแพง และอาศัยการตรวจสอบโดยมนุษย์มายาวนาน

Antares มาจาก Cisco Foundation AI ซึ่งเป็นกลุ่มวิจัยและวิศวกรรมของบริษัทที่มุ่งเน้นด้านปัญญาประดิษฐ์เฉพาะด้านความปลอดภัย โปรเจ็กต์นี้จัดการกับปัญหาที่เรียกว่าการแปลช่องโหว่ ซึ่งเป็นงานในการเชื่อมต่อข้อมูลช่องโหว่ภายนอก เช่น ฐานข้อมูลสาธารณะ คำแนะนำ และรายการ Common Weakness Enumeration (CWE) ไปยังไฟล์เฉพาะในพื้นที่เก็บข้อมูลที่มีแนวโน้มว่าจะมีข้อบกพร่องมากที่สุด หากต้องการติดตามการพัฒนาล่าสุดในพื้นที่นี้ โปรดดู ความครอบคลุมของอุตสาหกรรม AI ของเรา

โมเดลขนาดเล็กที่สร้างขึ้นสำหรับงานเฉพาะ

ขณะนี้มี 2 รุ่นให้เลือก ได้แก่ Antares-350M และ Antares-1B โดยจะมีรุ่น Antares-3B ที่ใหญ่กว่าตามมาในเร็วๆ นี้ ทั้งหมดมีขนาดเล็กพอที่จะรันในเครื่องได้ ซึ่ง Cisco กล่าวว่าช่วยให้ทีมรักษาความปลอดภัยเก็บซอร์สโค้ดที่ละเอียดอ่อนไว้ภายในสภาพแวดล้อมของตนเอง แทนที่จะส่งไปยังบริการคลาวด์ นั่นเป็นจุดขายที่โดดเด่นสำหรับมหาวิทยาลัย หน่วยงานภาครัฐ องค์กรไม่แสวงผลกำไร และทีมรักษาความปลอดภัยขนาดเล็กที่ขาดงบประมาณสำหรับโมเดลขอบเขตเชิงพาณิชย์ที่ต้องใช้โทเค็นจำนวนมาก

แทนที่จะสแกนพื้นที่เก็บข้อมูลด้วยกฎตายตัว Antares ทำงานผ่านพื้นที่เก็บข้อมูลในลักษณะที่ผู้ตรวจสอบที่เป็นมนุษย์ทำ แต่ละโมเดลเริ่มต้นจากคำอธิบายช่องโหว่ ค้นหารูปแบบโค้ดที่เกี่ยวข้อง อ่านไฟล์ที่เป็นตัวเลือก พับหลักฐานใหม่ไปพร้อมกัน เปลี่ยนทิศทางเมื่อเส้นทางไม่นำไปสู่ที่ไหนเลย และจำกัดให้แคบลงไปยังไฟล์ที่มีแนวโน้มว่าจะมีความสำคัญมากที่สุด เอาต์พุตคือรายการจัดอันดับไฟล์ต้นฉบับที่มีแนวโน้มว่าจะมีช่องโหว่ที่เกี่ยวข้อง พร้อมด้วยการติดตามการสำรวจเทอร์มินัลที่สร้างช่องโหว่ดังกล่าว

เกณฑ์มาตรฐานที่กำหนดเองและการประหยัดต้นทุนอย่างมาก

ในการวัดแบบจำลอง Cisco ได้สร้างการทดสอบของตนเอง ซึ่งก็คือ Vulnerability Localization Benchmark ซึ่งเป็นชุด 500 รายการที่ต้องการแบบจำลองเพื่อนำทางไปยังฐานโค้ดที่ไม่คุ้นเคย และรับรู้รูปแบบช่องโหว่ที่เชื่อมโยงกับหมวดหมู่จุดอ่อนเฉพาะ Cisco โต้แย้งว่าเกณฑ์มาตรฐานการค้นหาโค้ดที่มีอยู่จะวัดว่าตัวแทนสามารถค้นหาโค้ดที่เกี่ยวข้องกับปัญหาซอฟต์แวร์ทั่วไปได้หรือไม่ ไม่ใช่ว่าจะสามารถค้นหาไฟล์ที่มีช่องโหว่จากคำอธิบายด้านความปลอดภัยได้หรือไม่ งานที่เทียบเคียงได้ใกล้เคียงที่สุดที่บริษัทอ้างถึงคือระบบที่เรียกว่า CodeScout ซึ่งแสดงให้เห็นว่าการแปลโค้ดสามารถฝึกอบรมและวัดผลได้ด้วยเทอร์มินัล Unix มาตรฐาน

จากเกณฑ์มาตรฐานนั้น Cisco กล่าวว่ารุ่น Antares เอาชนะรุ่นเปิดและน้ำหนักปิดที่ใหญ่กว่าประมาณสิบโหลในด้านความแม่นยำ ในขณะที่ทำงานถูกกว่ามาก บริษัทกำหนดต้นทุนการประเมิน Antares ไว้ต่ำกว่า 1 ดอลลาร์ เทียบกับประมาณ 12.50 ดอลลาร์สำหรับรุ่นเปิดที่แข็งแกร่งที่สุดที่ทดสอบ GLM-5.2 และประมาณ 141 ดอลลาร์สำหรับรุ่นโอเพนซอร์สที่แข็งแกร่งที่สุด GPT-5.5 ตัวเลขเหล่านี้คิดเป็น 15.2 เท่า และถูกกว่า 172 เท่า ตามลำดับ นอกจากนี้ Antares ยังเสร็จสิ้นการดำเนินการวัดประสิทธิภาพภายในเวลาประมาณหนึ่งชั่วโมง เทียบกับประมาณสี่ชั่วโมงครึ่งสำหรับ GPT-5.5

ช่องว่างด้านประสิทธิภาพเน้นย้ำถึงแนวโน้มอุตสาหกรรมที่กว้างขึ้น: สำหรับงานที่มีการกำหนดขอบเขตอย่างแคบ โมเดลขนาดเล็กที่ได้รับการฝึกอบรมมาอย่างดีสามารถจับคู่หรือเหนือกว่าโมเดลขอบเขตการใช้งานทั่วไปด้วยต้นทุนการประมวลผลเพียงเล็กน้อย ตามที่ Axios รายงาน Cisco กำลังวางเดิมพันอย่างมีประสิทธิภาพว่า AI ขนาดเล็กที่สร้างขึ้นตามวัตถุประสงค์จะชนะในการรักษาความปลอดภัยทางไซเบอร์ขององค์กร โดยที่ทีมให้ความสำคัญกับความน่าเชื่อถือ ต้นทุน และความเป็นส่วนตัวของข้อมูลมากกว่าขนาดโมเดลดิบ

ส่วนหนึ่งของการผลักดัน AI ความปลอดภัยที่กว้างขึ้น

Antares เป็นส่วนสำคัญของความพยายามของ Cisco ในด้าน AI ด้านความปลอดภัย ในเดือนตุลาคม บริษัทได้เปิดตัว Project CodeGuard ซึ่งเป็นเฟรมเวิร์กโอเพ่นซอร์สของกฎการเข้ารหัสที่ปลอดภัยสำหรับตัวแทนการเข้ารหัส AI ในเดือนพฤษภาคม มีการเผยแพร่ Foundry Security Spec ซึ่งเป็นพิมพ์เขียวแบบเปิดสำหรับการสร้างระบบประเมินความปลอดภัยของเอเจนต์ Antares ขยายสายงานดังกล่าวโดยการนำแบบจำลองน้ำหนักเปิดที่ใช้งานได้ไปไว้ในมือของผู้ปฏิบัติงานโดยตรง

การเปิดตัวยังเกิดขึ้นท่ามกลางความกังวลที่เพิ่มขึ้นเกี่ยวกับความเสี่ยงของซอฟต์แวร์ที่เกี่ยวข้องกับ AI ในเดือนเดียวกันนั้น Cisco ได้เผยแพร่ Foundry Security Spec บลูมเบิร์กรายงานว่าโมเดล Anthropic ขั้นสูงทำให้เกิดการประชุมฉุกเฉินระหว่างรัฐมนตรีกระทรวงการคลัง Scott Bessent, ประธานธนาคารกลางสหรัฐ Jerome Powell และผู้บริหารธนาคาร โดยเน้นย้ำว่าหน่วยงานกำกับดูแลจริงจังกับการปฏิบัติต่อความปลอดภัยของระบบ AI ที่ทรงพลังอย่างไร

ความหมายสำหรับนักพัฒนาและทีมรักษาความปลอดภัย

สำหรับองค์กรที่ลังเลที่จะใช้การวิเคราะห์โค้ดที่ขับเคลื่อนด้วย AI เนื่องจากความกังวลด้านต้นทุนหรือการเปิดเผยข้อมูล Antares เสนอแนวทางสายกลาง เนื่องจากโมเดลมีน้ำหนักแบบเปิดและมีขนาดเล็กพอที่จะทำงานบนฮาร์ดแวร์ขนาดเล็ก ทีมจึงสามารถปรับใช้โมเดลเหล่านี้หลังไฟร์วอลล์ของตนเองได้ ตรวจสอบทุกการโทรอนุมานโดยไม่ต้องจ่ายค่าธรรมเนียมต่อโทเค็นให้กับผู้ให้บริการระบบคลาวด์ ใบอนุญาตแบบ open-weight ยังหมายความว่านักวิจัยสามารถตรวจสอบ ปรับแต่ง และขยายแบบจำลองสำหรับโดเมนของตนเองได้

ข้อเสียคือโมเดลขนาดเล็กได้รับการออกแบบเป็นพิเศษ Antares จะไม่ร่างอีเมลทางการตลาด สรุปการประชุม หรือตอบคำถามความรู้ทั่วไป สิ่งที่สร้างขึ้นมาเพื่อทำการค้นหาไฟล์ที่แม่นยำซึ่งมีระดับช่องโหว่ที่ทราบอยู่แล้วซ่อนอยู่ ดูเหมือนว่าจะทำได้ดีกว่าโมเดลที่มีขนาดเป็นพันเท่า อย่างน้อยก็ในเกณฑ์มาตรฐานของ Cisco เอง

ไม่ว่านักวิจัยอิสระจะยืนยันผลลัพธ์เหล่านั้นบนโค้ดเบสของตนเองหรือไม่ จะเป็นตัวกำหนดว่า Antares จะถูกนำมาใช้อย่างกว้างขวางเพียงใด สำหรับตอนนี้ การเปิดตัวดังกล่าวเป็นการตอกย้ำข้อความที่ได้สร้างไว้ทั่วทั้งอุตสาหกรรม AI ตลอดทั้งปี: เมื่องานแคบพอ เล็กลงก็ฉลาดขึ้น ถูกลง และปลอดภัยยิ่งขึ้น

---

ก้าวนำหน้า AI

รับข่าวสาร AI การวิเคราะห์ และความก้าวหน้าล่าสุด ทั้งหมดในที่เดียว

อ่านข่าว AI เพิ่มเติม →