به گزارش تابناک به نقل از سیتنا، شرکت Z.ai اعلام کرد مدل جدید GLM-۵.۳ در آزمونی که توانایی مدلهای هوش مصنوعی در بررسی کدهای نرمافزاری، شناسایی حفرههای امنیتی و تأیید آسیبپذیریها را ارزیابی میکند، امتیاز ۸۴.۵ درصد را کسب کرده است.
مدل «مایتوس ۵» شرکت آمریکایی آنتروپیک در همین ارزیابی امتیاز ۸۳.۸ درصد را به دست آورده است. با این حال، نتایج اعلامشده از سوی Z.ai تاکنون به صورت مستقل تأیید نشده است.
البته عملکرد GLM-۵.۳ در همه آزمونهای امنیت سایبری بهتر از رقیب آمریکایی نبود. در آزمونی که توانایی مدل برای تبدیل یک آسیبپذیری کشفشده به روش عملی بهرهبرداری از آن را بررسی میکند، مدل چینی امتیاز ۵۴.۴ درصد را کسب کرد، در حالی که امتیاز مایتوس ۵ به ۷۸ درصد رسید.
در یک آزمون زمانبندیشده دیگر نیز مدل چینی توانست طی دو ساعت ۱۰۵ وظیفه مرتبط با توسعه روشهای حمله را تکمیل کند و این رقم طی شش ساعت به ۱۳۰ وظیفه رسید. مدل مایتوس ۵ در همین بازههای زمانی به ترتیب ۱۸۱ و ۲۴۷ وظیفه را به پایان رساند.
یکی از نکات قابل توجه در معرفی GLM-۵.۳، رشد سریع تواناییهای امنیت سایبری این مدل در جریان آموزش است. Z.ai اعلام کرده که توسعه این قابلیتها سریعتر از پیشبینی اولیه شرکت صورت گرفته و مدل توانسته از شناسایی آسیبپذیریهای منفرد فراتر رود و در برخی آزمایشها مراحل مختلف زنجیره بهرهبرداری از آسیبپذیریها را نیز تحلیل کند.
همین موضوع باعث شده است Z.ai در انتشار عمومی و کامل مدل جانب احتیاط را رعایت کند. این شرکت قصد دارد اجزای اصلی و پارامترهای آموزشدیده GLM-۵.۳ را حدود دو هفته پس از معرفی منتشر کند تا در این فاصله ارزیابیهای ایمنی بیشتری انجام شود و اقدامات لازم برای افزایش مقاومت مدل در برابر سوءاستفاده صورت گیرد.
Z.ai همچنین اعلام کرده است برخی قابلیتهای حساس مرتبط با امنیت سایبری تنها از طریق برنامهای با عنوان «دسترسی مورد اعتماد» در اختیار کاربران و سازمانهای تأییدشده قرار خواهد گرفت.
این شرکت چینی معتقد است دسترسی گستردهتر به ابزارهای پیشرفته هوش مصنوعی میتواند به توسعهدهندگان نرمافزارهای متنباز و تیمهای امنیتی کوچکتر کمک کند تا آسیبپذیریهای نرمافزاری را سریعتر شناسایی و برطرف کنند.
در مقابل، افزایش توانایی مدلهای هوش مصنوعی در کشف و بهرهبرداری از آسیبپذیریها نگرانیهایی را درباره کاربرد دوگانه این فناوری به وجود آورده است؛ چراکه همان قابلیتهایی که میتوانند به متخصصان امنیت سایبری در شناسایی حفرههای امنیتی کمک کنند، ممکن است برای سوءاستفاده از این آسیبپذیریها نیز مورد استفاده قرار گیرند.
