Ерата на лесния достъп: Евтините ИИ модели настигат гиганта Claude Mythos

Неотдавнашното обявяване на модела Claude Mythos на Anthropic и стартирането на консорциума Project Glasswing вдигнаха много шум в индустрията. Разработчиците твърдят, че новият им затворен модел има уникалната способност да открива уязвимости, които не са били откривани в продължение на десетилетия. Проучване на AISLE обаче поставя под съмнение тези постижения. Експертите доказаха, че дори малки и евтини модели с отворен код могат да възпроизведат сложния анализ на Mythos, ако са вградени в правилно проектирана система.

Изследователите тестваха Anthropic сценарии върху компактни модели. Резултатите са поразителни: 8 от 8-те тествани невронни мрежи, включително миниатюрен модел с 3,6 милиарда параметри (струващ само $0,11 за милион токени), успешно откриха критична уязвимост в ядрото на FreeBSD. Друг модел с отворен код възстанови сложна верига от анализи за 27-годишна грешка в OpenBSD. Това доказва, че възможностите за информационна сигурност на изкуствения интелект не нарастват плавно с размера на модела, а са разпределени изключително неравномерно.

Един от най-показателните тестове беше „парадоксът OWASP“. Изследователите предложиха на моделите откъс от код на Java, който изглежда като уязвимост, но всъщност е сигурен. Повечето от „гигантите“, включително Claude 4.5 и GPT-4, сбъркаха, като получиха фалшиви положителни резултати. В същото време малките модели с отворен код, като DeepSeek R1, правилно проследиха логиката и потвърдиха сигурността на кода.

Разминаването между възможностите на моделите е особено забележимо, когато се преминава от откриване към експлоатация. Докато Mythos демонстрира виртуозно създаване на сложни експлойти, моделите с отворен код предлагат по-прагматични, макар и не толкова „креативни“ инженерни решения. Въпреки това за задачите на защитата, като откриване и отстраняване на уязвимости, „гениалното“ писане на вируси е много по-рядко необходимо от надеждното и евтино сканиране.

Данните на AISLE, натрупани от средата на 2025 г., показват, че системите с отворен код вече откриват критичните уязвимости в проекти като OpenSSL и curl и получават одобрение от техническите им ръководители. Това е реална работа в производствена среда, която се извършва независимо от затворените лаборатории.

Основният извод от проучването е, че в областта на киберсигурността при изкуствения интелект ключова е системата, а не конкретният модел. Интелигентността на невронната мрежа е само един от параметрите. Ефективната защита зависи от начина, по който е организиран процесът – от дълбоката експертиза, заложена в архитектурата, до итеративното тестване на хипотезите. Успехът на Anthropic потвърждава жизнеспособността на анализа с изкуствен интелект, но не доказва необходимостта от изключително скъпи собствени системи.

За индустрията това представлява промяна на парадигмата. Вместо да се разчита на един скъп и мощен модел, става по-ефективно да се използват няколко много по-евтини модела, които могат да анализират паралелно големи количества код.