Cisco Foundation AI zaprezentowało Antares – rodzinę małych modeli językowych (SLM), zaprojektowanych z myślą o jednym z najbardziej wymagających zadań w cyberbezpieczeństwie: precyzyjnym lokalizowaniu znanych luk w zabezpieczeniach wewnątrz baz kodu. W skład serii wchodzą obecnie dwa modele: Antares-350M oraz Antares-1B, które są już dostępne na platformie Hugging Face.
Wyzwania w automatyzacji bezpieczeństwa kodu
Wykrycie podatności to dopiero początek pracy zespołów ds. bezpieczeństwa. Kluczowym wyzwaniem jest ustalenie, czy dana luka występuje w kodzie źródłowym firmy, a jeśli tak – w którym dokładnie miejscu. Obecnie proces ten jest wspierany przez sztuczną inteligencję, jednak organizacje stają przed trudnym wyborem między dwoma rozwiązaniami, z których każde ma swoje wady:
Antares: Efektywność i precyzja
Modele Antares zostały stworzone jako alternatywa łącząca niskie koszty z wysoką precyzją. Ich działanie przypomina sposób, w jaki człowiek analizuje repozytorium kodu. Proces ten obejmuje analizę opisu podatności, wyszukiwanie odpowiednich wzorców w kodzie, weryfikację plików oraz dynamiczne dostosowywanie ścieżki poszukiwań w zależności od napotkanych dowodów. Celem nie jest zastąpienie eksperta, lecz wsparcie wstępnej selekcji (triage) zagrożeń.
Rozwiązanie to jest skierowane przede wszystkim do organizacji z ograniczonym budżetem, takich jak instytucje badawcze, uczelnie, organizacje non-profit oraz podmioty sektora publicznego, które zarządzają krytycznym oprogramowaniem.
Weryfikacja skuteczności
Aby udowodnić efektywność nowych modeli, Cisco opracowało Vulnerability Localization Benchmark – zestaw 500 testów sprawdzających umiejętność nawigowania po nieznanych bazach kodu i rozpoznawania wzorców podatności. Wyniki testów porównawczych wskazują na znaczną przewagę kosztową Antaresa nad konkurencją:
Bezpieczeństwo nie może być dobrem luksusowym, a zaawansowana detekcja oparta na AI dotychczas była dostępna głównie dla organizacji z ogromnymi budżetami. Wyniki Antaresa zmieniają tę sytuację: oferują skuteczność zbliżoną do modeli klasy frontier przy ułamku kosztów, co pozwala na uruchamianie skanowania przy każdym commicie kodu – komentuje Amin Saberi, profesor na Uniwersytecie Stanforda.
Cisco podkreśla, że rozwój Antaresa wpisuje się w szerszą strategię budowania otwartych specyfikacji i kompaktowych modeli, które pozwolą każdemu specjaliście ds. bezpieczeństwa – niezależnie od ograniczeń budżetowych czy infrastrukturalnych – na skuteczne wykorzystanie sztucznej inteligencji w codziennej pracy.