آخرین اخبار
همهٔ اخبار
امنیت هوش مصنوعی گزارش بحرانیت ۳/۱۰

گسترش دسترسی به مدل‌های پیشرفته هوش مصنوعی سایبری Anthropic برای تیم‌های دفاعی

گسترش دسترسی به مدل‌های پیشرفته هوش مصنوعی سایبری Anthropic برای تیم‌های دفاعی

شرکت Anthropic اعلام کرد که دسترسی به مدل‌های پیشرفته هوش مصنوعی (AI) برای کاربردهای دفاع سایبری اکنون برای تمامی سازمان‌ها فراهم شده است. این اقدام در راستای کاهش فاصله بین قابلیت‌های مدل‌های Open-weight و ابزارهای تخصصی صورت گرفته است تا مدافعان بتوانند با سرعت حملات مبتنی بر AI مقابله کنند.

ساختار برنامه تأیید سایبری (Cyber Verification Program)

این برنامه که ترکیبی از Project Glasswing و برنامه‌های تأیید قبلی است، دسترسی به مدل‌های Claude Opus و Sonnet را برای تیم‌های امنیتی تأیید شده تسهیل می‌کند. این ساختار شامل سه سطح دسترسی است:

  • سطح پایه: مناسب برای مراکز عملیات امنیت (SOC)، تحلیل بدافزار (Malware Analysis) و اعتبارسنجی آسیب‌پذیری برای پژوهشگران امنیتی، توسعه‌دهندگان متن‌باز و اپراتورهای زیرساخت‌های حیاتی.
  • سطح Red-teaming: مخصوص تیم‌های تست نفوذ (Penetration Testing) برای انجام وظایف تهاجمی مانند شبیه‌سازی عامل تهدید (Adversary Emulation) و اعتبارسنجی اکسپلویت‌ها (Exploit Validation).
  • سطح پیشرفته (Project Glasswing سابق): این سطح اجازه تست‌های امنیتی تهاجمی روی سیستم‌های حساس مانند سیستم‌های عملیاتی پرواز، شبکه‌های برق، مخابرات، زیرساخت‌های انتقال بانکی و شبکه‌های اداری دولتی را می‌دهد. دسترسی به این سطح تحت نظارت دقیق و با همکاری دولت ایالات متحده بررسی می‌شود.

توازن بین توانمندی‌های تهاجمی و دفاعی

کارشناسان معتقدند دسترسی گسترده‌تر به این ابزارها برای مقابله با حملاتی که با سرعت AI انجام می‌شوند، یک گام ضروری است. هدف این است که مدافعان بتوانند در مراحل بررسی، شناسایی و پاسخگویی (Detection and Response) از سیستم‌هایی با توانمندی برابر با مهاجمان استفاده کنند تا از عقب ماندن در برابر تهدیدات مدرن جلوگیری شود.

تحلیل اثربخشی AI در شناسایی آسیب‌پذیری‌ها

گزارش‌ها نشان می‌دهد که مدل‌های پیشرفته Anthropic توانسته‌اند در بازه زمانی کوتاهی، حدود ۱۲۹,۰۰۰ آسیب‌پذیری نرم‌افزاری تأیید شده را شناسایی کنند. با این حال، بررسی‌ها نشان می‌دهد که تنها بخش کوچکی از این آسیب‌پذیری‌ها در دنیای واقعی مورد اکسپلویت قرار گرفته‌اند.

برخی متخصصان استدلال می‌کنند که نرخ پایین اکسپلویت شدن به معنای شکست AI نیست، بلکه نشان‌دهنده موفقیت دفاع پیش‌دستانه (Proactive Defense) است. در واقع، ارزش این ابزارها نه در تعداد باگ‌های پیدا شده، بلکه در افزایش سرعت شناسایی، اعتبارسنجی و درک نقاط ضعف سیستم‌ها پیش از آن است که توسط عامل تهدید مورد استفاده قرار گیرند.