Mythos AI की असली ताकत और सीमाएँ: सरकारी परीक्षण क्या बताते हैं

इसी परीक्षण में यह भी सामने आया कि Mythos वह पहला मॉडल था जिसने कॉर्पोरेट नेटवर्क पर एक एंड‑टू‑एंड साइबर हमले का सिमुलेशन पूरा किया—एक बहु‑चरणीय अभ्यास जिसे मानव विशेषज्ञ को पूरा करने में लगभग 20 घंटे लग सकते हैं .

Anthropic की रेड‑टीम रिपोर्ट के अनुसार यह मॉडल:

• वास्तविक ओपन‑सोर्स कोड में zero‑day कमजोरियाँ खोज सकता है
• क्लोज्ड‑सोर्स सॉफ्टवेयर के एक्सप्लॉइट को reverse‑engineer कर सकता है
• ज्ञात लेकिन अभी तक पूरी तरह पैच न हुई N‑day vulnerabilities को एक्सप्लॉइट में बदल सकता है

सरल शब्दों में, यह AI बड़ी मात्रा में कोड और सिस्टम का विश्लेषण कर संभावित सुरक्षा खामियाँ बहुत तेजी से सामने ला सकता है।

लेकिन बड़ी सीमा भी: गंभीरता का आकलन और सत्यापन

यहीं Mythos की सीमाएँ भी स्पष्ट हो जाती हैं। कमजोरियाँ खोज लेना एक बात है, लेकिन यह तय करना कि कौन‑सी समस्या वास्तव में खतरनाक है—यह अभी भी मानव विशेषज्ञों का काम बना हुआ है .

कुछ रिपोर्टों में दावा किया गया कि Mythos ने हजारों उच्च‑गंभीरता वाली कमजोरियाँ खोजीं और उनके आकलन में इंसानों से काफी मेल खाया। लेकिन ऐसे दावे मुख्यतः कंपनी से जुड़े स्रोतों पर आधारित हैं, इसलिए उन्हें स्वतंत्र रूप से सत्यापित होने तक सावधानी से देखना चाहिए .

व्यावहारिक समस्या यह है कि AI बहुत तेजी से बड़ी संख्या में संभावित बग ढूँढ सकता है। इससे सुरक्षा टीमों के सामने false positives और triage overload की चुनौती आ सकती है—यानी इतने संकेत मिल जाते हैं कि यह तय करना मुश्किल हो जाता है कि किसे पहले ठीक किया जाए।

GPT‑5.5 से तुलना: प्रतिस्पर्धा कड़ी है

Mythos को अक्सर साइबर सुरक्षा AI में अग्रणी बताया जाता है, लेकिन सरकारी परीक्षण बताते हैं कि यह क्षेत्र तेजी से प्रतिस्पर्धी हो रहा है।

AISI के मूल्यांकन के अनुसार, OpenAI का GPT‑5.5 भी इसी तरह की साइबर क्षमता के स्तर तक पहुँच चुका है और कठिन परीक्षणों में लगभग समान प्रदर्शन दिखाता है .

कुछ थर्ड‑पार्टी रिपोर्टों में यह भी कहा गया कि कठिन “Expert” स्तर के साइबर कार्यों में GPT‑5.5 का पास रेट Mythos के करीब या थोड़ा अधिक था। हालांकि इन आँकड़ों को सावधानी से पढ़ना चाहिए जब तक पूरी सरकारी डेटा रिपोर्ट सार्वजनिक न हो .

साइबर‑सुरक्षा कंपनी XBOW ने भी अपने परीक्षणों में कहा कि GPT‑5.5 ऐतिहासिक कमजोरियों को खोजने और उनका एक्सप्लॉइट बनाने में Mythos‑जैसी क्षमता दिखाता है .

इसका मतलब है कि वास्तविक दुनिया में Mythos की बढ़त केवल मॉडल की शक्ति से नहीं बल्कि टूलिंग, वर्कफ्लो और एक्सेस नियंत्रण जैसे कारकों पर भी निर्भर कर सकती है।

बेंचमार्क बनाम वास्तविक दुनिया

एक और महत्वपूर्ण सवाल है: क्या प्रयोगशाला के परीक्षण वास्तविक दुनिया को सही तरीके से दर्शाते हैं?

AISI जैसे सरकारी संस्थानों के परीक्षण अपेक्षाकृत विश्वसनीय माने जाते हैं, लेकिन वे भी सीमित साइबर कार्यों के एक सेट पर आधारित होते हैं—पूरी वास्तविक दुनिया का प्रतिनिधित्व नहीं करते .

कई बेंचमार्क में पहले से तैयार कमजोर सिस्टम, पुराने बग या नियंत्रित नेटवर्क वातावरण इस्तेमाल किए जाते हैं। वास्तविक परिस्थितियों में अक्सर स्थिति अधिक जटिल होती है—जैसे अधूरी जानकारी, शोर भरे लॉग, एक्सेस प्रतिबंध या पैच के दुष्प्रभाव।

इसलिए लैब परिणाम हमेशा वास्तविक साइबर सुरक्षा प्रदर्शन का पूरा चित्र नहीं देते।

सरकारें और बैंक क्यों चिंतित हैं

Mythos जैसे मॉडल ने सरकारों और वित्तीय संस्थानों का ध्यान खींचा है क्योंकि इसकी क्षमताएँ रक्षा और आक्रमण दोनों के लिए इस्तेमाल हो सकती हैं।

रिपोर्टों के अनुसार:

• जापान के तीन बड़े बैंक जल्द ही Mythos तक पहुँच प्राप्त कर सकते हैं
• यूरोप के बैंक भी इसी तरह के AI टूल का परीक्षण करना चाहते हैं
• जापान ने AI‑आधारित साइबर हमलों के जोखिम पर एक विशेष टास्क फोर्स बनाने की तैयारी की

सरकारों की चिंता यह है कि अगर रक्षात्मक पक्ष इन उपकरणों का उपयोग नहीं करता, तो हमलावर पहले कर सकते हैं।

AI साइबर क्षमता क्यों तेजी से बढ़ रही है

AISI के विश्लेषण के अनुसार, AI मॉडल जिन साइबर कार्यों को स्वायत्त रूप से पूरा कर सकते हैं उनकी लंबाई हर कुछ महीनों में लगभग दोगुनी हो रही है .

यूके के National Cyber Security Centre ने भी चेतावनी दी है कि उन्नत AI पहले से ही कुछ साइबर ऑपरेशन चरणों में उपयोगी साबित हो रहा है—जैसे zero‑day कमजोरियाँ पहचानना या क्रिप्टोग्राफी से जुड़े समस्याएँ हल करना .

इससे एक तरह की तकनीकी दौड़ बनती दिख रही है: हमलावर और रक्षक दोनों ही AI की मदद से तेज़ी से काम कर सकते हैं।

निष्कर्ष

अब तक के स्वतंत्र परीक्षणों से यही निष्कर्ष निकलता है कि Mythos एक शक्तिशाली साइबर‑सहायक है, लेकिन पूरी तरह स्वायत्त और भरोसेमंद साइबर सुरक्षा विशेषज्ञ नहीं।

यह कमजोरियाँ खोजने और जटिल साइबर प्रयोगों में बेहद उपयोगी हो सकता है, पर वास्तविक दुनिया में अभी भी मानव विशेषज्ञों की भूमिका निर्णायक बनी हुई है।

सबसे बड़े खुले सवाल अभी भी यही हैं: false positives कितने हैं, वास्तविक एक्सप्लॉइट कितने विश्वसनीय हैं, और क्या प्रतिस्पर्धी मॉडल इन्हीं क्षमताओं को कम लागत में हासिल कर सकते हैं।