شرکت Anthropic از برنامه جدیدی رونمایی کرده است که در آن ابزارهای هوش مصنوعی این شرکت با همکاری شرکت‌های امنیتی خارجی، برای شناسایی و رفع آسیب‌پذیری‌های (Vulnerabilities) در زیرساخت‌های حیاتی و نرم‌افزارهای متن‌باز (Open Source) به کار گرفته می‌شوند.
همکاری استراتژیک برای دفاع سایبری
این برنامه که به عنوان بخشی از یک «تعهد بلندمدت» به امنیت سایبری معرفی شده است، مدل‌های Claude، مهندسان Anthropic و تحقیقات مربوط به عوامل تهدید (Threat Research) را با تخصص شرکت‌های پیشرو در حوزه امنیت از جمله CrowdStrike، Palo Alto Networks، Deloitte و Rockwell Automation ترکیب می‌کند.
در بیانیه این شرکت آمده است که مدافعان زیرساخت‌های حیاتی و جامعه متن‌باز، با وجود تجربه ده‌ها ساله در حوزه امنیت، با کمبود شدید منابع مواجه هستند و هوش مصنوعی می‌تواند این شکاف را پر کند.
پشتیبانی از زیرساخت‌ها و عملیات Red Teaming
Anthropic اعلام کرد که مدل‌های پیشرو (Frontier Models) و پشتیبانی فنی خود را در اختیار بسیاری از ایالت‌های آمریکا و اپراتورهای بزرگ زیرساختی قرار داده است تا از این ابزارها برای اسکن و اصلاح کدها (Patching) یا کمک در پاسخ به حوادث (Incident Response) و فعالیت‌های ردتیمینگ (Red Teaming) استفاده کنند.
این شرکت معتقد است که اگرچه هوش مصنوعی نمی‌تواند تمامی چالش‌های دفاعی زیرساخت‌ها را حل کند، اما مدل‌های پیشرو می‌توانند نقاط ضعف را پیش از آنکه برای قطع برق یا آلوده کردن منابع آب مورد استفاده قرار گیرند، شناسایی و ترمیم کنند.
سرویس اسکن رایگان برای پروژه‌های متن‌باز
علاوه بر زیرساخت‌ها، Anthropic یک سرویس اسکن اختیاری (Opt-in) برای نرم‌افزارهای متن‌باز ایجاد کرده است. در این برنامه، سازمان‌ها می‌توانند اسکن‌های دوره‌ای و رایگانی از پروژه‌های خود دریافت کنند که شامل موارد زیر است:
- ارائه اثبات مفهوم (PoC) برای آسیب‌پذیری‌های یافت شده.
- توضیحات فنی در مورد نقطه ضعف.
- پیشنهادهایی برای اصلاح کد و Patching.
هدف نهایی این ابتکار، اتوماسیون بخش بزرگی از فرآیندهای تریاژ (Triage) و اصلاح آسیب‌پذیری‌ها و همچنین توسعه معماری‌های امنیتی و استانداردهای کدنویسی جدید است.
با توجه به افزایش قدرت مدل‌های هوش مصنوعی در شناسایی و اکسپلویت (Exploit) کردن آسیب‌پذیری‌ها، شرکت‌هایی مانند Anthropic و OpenAI تلاش می‌کنند تا این فناوری‌ها را به‌صورت رایگان در اختیار دولت‌ها و سازمان‌ها قرار دهند تا توازن قدرت به نفع مدافعان تغییر کند و عوامل تهدید نتوانند از این ابزارها سریع‌تر از سازمان‌های قانونی استفاده کنند.
به‌روزرسانی (اکتبر 9, 2026 — GBHackers)
به‌روزرسانی: شرکت Anthropic جزئیات بیشتری از ابتکار بلندمدت خود با نام Cyber Mission را منتشر کرد. این برنامه شامل دو محور اصلی است: برنامه دفاع از زیرساخت‌های حیاتی (Critical Infrastructure Defense Program یا CIDP) که بر محیط‌های Operational Technology (OT) مانند شبکه‌های برق، آب و سیستم‌های حمل‌ونقل تمرکز دارد، و ابزار OSS Scanner که سرویسی رایگان و اختیاری برای شناسایی آسیب‌پذیری‌ها در پروژه‌های متن‌باز است.
در اجرای این طرح، Anthropic با شرکای استراتژیکی از جمله CrowdStrike، Dragos، Palo Alto Networks و Rockwell Automation همکاری می‌کند تا مدل‌های Claude را برای شناسایی و رفع نقص‌های امنیتی در محیط‌های صنعتی به کار گیرد. این همکاری‌ها با هدف کاهش زمان پاسخ‌دهی و اتوماسیون فرآیند Patching در سیستم‌هایی انجام می‌شود که به دلیل حساسیت عملیاتی، امکان آفلاین شدن برای به‌روزرسانی را ندارند.
داده‌های منتشر شده نشان می‌دهد که مدل‌های AI این شرکت در یک بازه شش‌ماهه، بیش از ۲۹,۰۰۰ مورد احتمالی (Candidate) آسیب‌پذیری را شناسایی کرده‌اند که از این تعداد، حدود ۶,۰۰۰ مورد مورد بررسی و تریاژ دستی قرار گرفته‌اند. همچنین ابزار OSS Scanner علاوه بر شناسایی نقص‌ها، گزارش‌هایی شامل Exploit Reproducer، تحلیل آسیب‌پذیری و در صورت امکان، Patchهای پیشنهادی را برای توسعه‌دهندگان ارسال می‌کند.
به‌روزرسانی (اکتبر 9, 2026 — Help Net Security)
به‌روزرسانی: شرکت Anthropic ابزار جدیدی به نام OSS Scanner را معرفی کرده است که با بهره‌گیری از قدرتمندترین مدل‌های AI خود، به‌صورت رایگان آسیب‌پذیری‌های نرم‌افزارهای متن‌باز (Open-Source) را شناسایی می‌کند. این سرویس که بر پایه Project Glasswing توسعه یافته است، گزارش‌های شناسایی شده را بدون نیاز به بازبینی انسانی و به‌طور مستقیم برای توسعه‌دهندگان ارسال می‌کند تا گلوگاه‌های مربوط به تایید دستی (Human Validation) برطرف شده و سرعت گزارش‌دهی افزایش یابد.
در ارزیابی‌های اولیه توسط متخصصان تست نفوذ (Penetration Testers)، این اسکنر توانست ۹۷ مورد آسیب‌پذیری با شدت بالا (High) و بحرانی (Critical) را در ۴۸ پروژه مختلف شناسایی کند که ۸۵ مورد از آن‌ها معیارهای افشای هماهنگ (Coordinated Disclosure) را به‌طور کامل برآورده کردند. این ابزار به توسعه‌دهندگان اجازه می‌دهد تا با ارائه راهنمایی درباره ورودی‌های مخرب احتمالی و نحوه رتبه‌بندی شدت آسیب‌پذیری‌ها، دقت نتایج را بهبود ببخشند.
به‌روزرسانی (اکتبر 9, 2026 — The Hacker News)
به‌روزرسانی: شرکت Anthropic ابزار جدیدی به نام OSS Scanner را معرفی کرده است که یک سرویس اختیاری (Opt-in) برای اسکن امنیتی پروژه‌های متن‌باز (Open-Source) با استفاده از مدل‌های پیشرفته AI از جمله Claude Mythos است.
مدیران پروژه‌ها می‌توانند از طریق ارسال یک Pull Request در مخزن گیت‌هاب (GitHub) و ارائه یک فایل پیکربندی YAML، در این برنامه ثبت‌نام کنند. این فایل شامل تنظیمات Dockerfile است تا محیط اجرای پروژه برای مدل AI شبیه‌سازی شده و Audit امنیتی بدون نیاز به دسترسی به اینترنت (Air-gapped) انجام شود.
طبق آمارهای منتشر شده، این ابزار تاکنون بیش از ۲۹,۰۰۰ آسیب‌پذیری احتمالی (Candidate Vulnerabilities) را شناسایی کرده که از این میان، بیش از ۶,۰۰۰ مورد به توسعه‌دهندگان گزارش شده و منجر به صدور ۵۸۴ هشدار امنیتی (Advisory) تا تاریخ ۲ اکتبر ۲۰۲۶ شده است.
در مورد سیاست افشای اطلاعات (Disclosure Policy)، شرکت Anthropic اعلام کرده است که به دلیل احتمال وجود مثبت کاذب (False Positive) در گزارش‌های تولید شده توسط AI، بازه زمانی ۹۰ روزه برای افشای این موارد اعمال نمی‌شود. با این حال، اگر گزارشی توسط انسان تایید شود، قوانین استاندارد CVD و مهلت ۹۰ روزه برای افشای عمومی اجرا خواهد شد.
به‌روزرسانی (اکتبر 9, 2026 — Security Affairs)
به‌روزرسانی: شرکت Anthropic ابزار جدیدی به نام OSS Scanner را (که حاصل Project Glasswing است) به‌صورت رایگان برای پروژه‌های متن‌باز عرضه کرده است. این ابزار با بهره‌گیری از مدل‌های پیشرفته Claude (از جمله Claude Mythos)، توانسته است بیش از ۲۹,۰۰۰ آسیب‌پذیری احتمالی را شناسایی کند که تاکنون ۶,۰۰۰ مورد از آن‌ها به‌صورت دستی تایید شده‌اند.
این بررسی‌ها تاثیرات گسترده‌ای بر پروژه‌های حیاتی و پرکاربرد همچون curl، OpenSSL و wolfSSL داشته است؛ به‌طوری که در مورد wolfSSL، شناسایی این باگ‌ها منجر به ثبت ۵ مورد CVE شد. همچنین، داده‌های بنچمارک CyberGym نشان می‌دهد که نرخ شناسایی آسیب‌پذیری‌ها توسط مدل‌های زبانی بزرگ (LLM) از کمتر از ۲۰ درصد در سال گذشته به بیش از ۸۵ درصد در سال جاری افزایش یافته است.
رویکرد OSS Scanner بر افزایش سرعت متمرکز است. در این مدل، برای جلوگیری از ایجاد گلوگاه در تاییدات انسانی، گزارش‌ها به‌صورت خودکار برای توسعه‌دهندگان ارسال می‌شوند. هدف از این استراتژی، تسریع در فرآیند Patching است تا پیش از آنکه عوامل تهدید بتوانند در زمان کوتاهی Exploit مربوطه را توسعه دهند، حفره‌های امنیتی بسته شوند.
