Cisco Systems, 21 Temmuz'da, bilinen güvenlik açıklarının bir kod tabanında tam olarak nerede bulunduğunu belirlemek için oluşturulmuş küçük dil modellerinden oluşan bir aile olan Antares'i tanıttı ve ilk ikisini Hugging Face'te açık ağırlıklı indirmeler olarak yayınladı. SiliconANGLE, Axios ve Help Net Security kapsamındaki lansman, özel küçük modelleri uzun süredir yavaş, pahalı ve insan araştırmacılara bağımlı olan yazılım güvenliğinin bir köşesine getirmeye yönelik şimdiye kadarki en somut girişimlerden birine işaret ediyor.
Antares, şirketin güvenliğe özel yapay zekaya odaklanan araştırma ve mühendislik grubu olan Cisco Foundation AI'den geliyor. Proje, güvenlik açığı yerelleştirmesi olarak bilinen bir sorunu ele alıyor; bu sorun, kamuya açık veritabanları, tavsiyeler ve Ortak Zayıflık Sayımı (CWE) girişleri gibi harici güvenlik açığı verilerini, bir hatanın yaşama olasılığının en yüksek olduğu bir depodaki belirli dosyalara bağlama çalışmasıdır. Bu alandaki en son gelişmeleri takip etmek için Yapay Zeka sektörü kapsamına bakın.
Belirli Bir İş İçin Geliştirilmiş Küçük Modeller
Şu anda iki model mevcut: Antares-350M ve Antares-1B, daha büyük bir Antares-3B modeli de takip edilecek. Hepsi yerel olarak çalışacak kadar küçük ve Cisco bunun güvenlik ekiplerinin hassas kaynak kodunu bir bulut hizmetine göndermek yerine kendi ortamlarında tutmalarına olanak sağladığını söyledi. Bu, üniversiteler, kamu sektörü kuruluşları, kar amacı gütmeyen kuruluşlar ve token ağırlıklı ticari öncü modeller için bütçesi olmayan daha küçük güvenlik ekipleri için dikkate değer bir satış noktasıdır.
Antares, sabit kurallara sahip bir veri deposunu taramak yerine, bir insan araştırmacının yapacağı gibi onun üzerinde çalışır. Her model bir güvenlik açığı tanımıyla başlar, ilgili kod modellerini arar, aday dosyaları okur, ilerledikçe yeni kanıtlar katar, yol hiçbir yere çıkmadığında yön değiştirir ve önemli olması muhtemel dosyalara doğru daralır. Çıktı, ilgili güvenlik açığını içermesi muhtemel kaynak dosyalarının sıralanmış bir listesi ve bunu oluşturan terminal keşif takibidir.
Özel Bir Karşılaştırma ve Önemli Maliyet Tasarrufları
Modelleri ölçmek için Cisco, alışılmadık bir kod tabanında gezinmek ve belirli zayıflık kategorilerine bağlı güvenlik açığı kalıplarını tanımak için bir model gerektiren 500 girişli bir set olan Güvenlik Açığı Yerelleştirme Karşılaştırması adlı kendi testini oluşturdu. Cisco, mevcut kod arama kıyaslamalarının, bir aracının güvenlik açıklamalarından savunmasız dosyaları bulup bulamayacağını değil, genel bir yazılım sorunuyla ilgili kodu bulup bulamayacağını ölçtüğünü savundu. Şirketin bahsettiği en yakın karşılaştırılabilir çalışma CodeScout adı verilen ve kod yerelleştirmesinin standart bir Unix terminaliyle eğitilip ölçülebileceğini gösteren bir sistemdir.
Bu kıyaslamada Cisco, Antares modellerinin çok daha ucuz çalışırken, doğruluk açısından kabaca bir düzine daha büyük açık ve kapalı ağırlıklı modeli geride bıraktığını söyledi. Şirket, Antares değerlendirmesinin maliyetini bir doların altında olarak belirledi; test ettiği en güçlü açık ağırlıklı model olan GLM-5.2 için yaklaşık 12,50 dolar ve en güçlü kapalı kaynak modeli olan GPT-5.5 için yaklaşık 141 dolar. Bu rakamlar sırasıyla 15,2 kat ve 172 kat daha ucuza denk geliyor. Antares ayrıca kıyaslama çalışmalarını yaklaşık bir saatte tamamlarken, GPT-5.5 için bu süre yaklaşık dört buçuk saatti.
Performans farkı, daha geniş bir sektör eğilimini vurguluyor: dar bir şekilde tanımlanmış görevler için, dikkatle eğitilmiş küçük modeller, çok küçük bir bilgi işlem maliyeti karşılığında genel amaçlı sınır modelleriyle eşleşebilir veya onları aşabilir. Axios'un bildirdiği gibi Cisco, ekiplerin ham model boyutundan ziyade güvenilirliğe, maliyete ve veri gizliliğine daha fazla önem verdiği kurumsal siber güvenlikte daha küçük, amaca yönelik tasarlanmış yapay zekanın kazanacağına dair etkili bir bahis oynuyor.
Daha Geniş Güvenlik Yapay Zeka Desteğinin Bir Parçası
Antares, Cisco'nun güvenlik alanında yapay zekaya yönelik daha geniş kapsamlı çabalarının en son parçası. Ekim ayında şirket, yapay zeka kodlama aracılarına yönelik açık kaynaklı güvenli kodlama kuralları çerçevesi olan Project CodeGuard'ı piyasaya sürdü. Mayıs ayında, ajans güvenlik değerlendirme sistemleri oluşturmaya yönelik açık bir plan olan Foundry Security Spec'i yayınladı. Antares, kullanılabilir, açık ağırlıklı bir modeli doğrudan uygulayıcıların eline sunarak bu çalışma alanını genişletiyor.
Sürüm aynı zamanda yapay zeka ile ilgili yazılım riskleri konusunda artan endişelerin olduğu bir dönemde geldi. Cisco'nun Foundry Security Spec'ı yayınladığı ay, Bloomberg gelişmiş bir Antropik modelin Hazine Bakanı Scott Bessent, Federal Reserve Başkanı Jerome Powell ve banka yöneticileri arasında bir acil toplantıyı tetiklediğini ve düzenleyicilerin güçlü yapay zeka sistemlerinin güvenlik etkilerini ne kadar ciddiye aldıklarını vurguladığını bildirdi.
Geliştiriciler ve Güvenlik Ekipleri İçin Ne İfade Ediyor?
Antares, maliyet veya veriye maruz kalma endişeleri nedeniyle yapay zeka odaklı kod analizini benimsemekte tereddüt eden kuruluşlar için bir orta yol sunuyor. Modeller açık ağırlıklı ve mütevazı bir donanım üzerinde çalışacak kadar küçük olduğundan, ekipler bunları kendi güvenlik duvarlarının arkasına dağıtabilir ve bir bulut sağlayıcısına jeton başına ücret ödemeden her çıkarım çağrısını denetleyebilir. Açık ağırlıklı lisanslama aynı zamanda araştırmacıların modelleri kendi alanları için inceleyebileceği, ince ayar yapabileceği ve genişletebileceği anlamına da geliyor.
Buradaki değiş tokuş, küçük modellerin tasarım açısından uzmanlaşmış olmasıdır. Antares bir pazarlama e-postası taslağı oluşturmaz, bir toplantıyı özetlemez veya genel bir bilgi sorusunu yanıtlamaz. Yapmak için tasarlandı, bilinen bir güvenlik açığı sınıfının muhtemelen saklandığı kesin dosyaları bulmak; en azından Cisco'nun kendi kıyaslamasında, boyutunun bin katı modellerden daha iyi iş çıkardığı görülüyor.
Bağımsız araştırmacıların bu sonuçları kendi kod tabanlarına göre doğrulayıp onaylamaması, Antares'in ne kadar geniş çapta benimseneceğini belirleyecek. Şimdilik bu lansman, yapay zeka endüstrisinde tüm yıl boyunca oluşturulan bir mesajı güçlendiriyor: Görev yeterince dar olduğunda, daha küçük olan daha akıllı, daha ucuz ve daha güvenli olabilir.
---
Yapay Zekanın Önünde OlunEn son yapay zeka haberlerini, analizlerini ve buluşlarını tek bir yerden alın.
Daha fazla AI haberini okuyun →
