Het model is geoptimaliseerd voor het redeneren over code, het herkennen van zwakke plekken en in sommige gevallen het genereren van werkende exploits om de impact van die fouten aan te tonen.

Omdat deze mogelijkheden ook aanvallers zouden kunnen helpen, koos Anthropic voor een gecontroleerde uitrol via partnerorganisaties in plaats van een openbare API-release.

Eerste maand: meer dan 10.000 kwetsbaarheden

Anthropics eerste update over het programma meldde ongekend grootschalige resultaten:

• Meer dan 10.000 hoog- of kritiek-ernstige kwetsbaarheden ontdekt door Anthropic en ongeveer 50 partnerorganisaties.
• Honderden ernstige kwetsbaarheden per partner in ongeveer de eerste maand van gebruik.
• Verschillende organisaties meldden dat hun bugsnelheid met meer dan een factor 10 was gestegen na gebruik van het systeem.

Een door Anthropic genoemd voorbeeld is Cloudflare, dat met het model ongeveer 2.000 bugs ontdekte – waarvan 400 met een hoge of kritieke ernst – in zijn kerndiensten.

Deze cijfers suggereren dat het systeem beveiligingsteams in staat stelt grote codebases veel sneller te analyseren dan met traditionele handmatige controles.

Benchmarkprestaties en technische mogelijkheden

Ook externe evaluaties wijzen op sterke cybersecurity-prestaties.

Het Britse AI Security Institute (AISI) bevestigde naar verluidt dat Claude Mythos Preview 73% van de expert-level capture-the-flag-cybersecurityuitdagingen wist op te lossen – een benchmark voor het vinden van kwetsbaarheden in de praktijk.

Anthropic en gerelateerde analyses beschrijven daarnaast verschillende mogelijkheden:

• Het ontdekken van voorheen onbekende zero-day-kwetsbaarheden in besturingssystemen en browsers.
• Het aan elkaar rijgen van meerdere kwetsbaarheden om privileges uit te breiden of systemen over te nemen.
• Het automatisch genereren van werkende exploitcode om aan te tonen hoe fouten misbruikt kunnen worden.

Deze vaardigheden gaan verder dan eenvoudige statische analyse en komen in de buurt van taken die traditioneel door top-beveiligingsonderzoekers worden uitgevoerd.

Voorbeelden van gevonden kwetsbaarheden

Hoewel de meeste vondsten nog niet openbaar zijn gemaakt in verband met gecoördineerde patchprocessen, zijn er een paar voorbeelden gerapporteerd.

Volgens bronnen die de claims van Anthropic samenvatten, identificeerde het model:

• Een 27 jaar oude kwetsbaarheid in de OpenBSD-kernel met betrekking tot TCP SACK-opties.
• Een 16 jaar oude bug in FFmpeg die miljoenen geautomatiseerde tests had overleefd zonder ooit te zijn ontdekt.
• Een reeks kwetsbaarheden in de Linux-kernel waarmee een normale gebruiker volledige systeemcontrole kon krijgen.

Anthropic heeft aangegeven dat het de details van de overgrote meerderheid van de ontdekkingen nog niet kan delen, omdat meer dan 99% van de gevonden kwetsbaarheden nog niet publiekelijk is gepatcht.

Welke bedrijven doen mee?

Project Glasswing is een coalitie van technologiebedrijven, infrastructuurleveranciers en beveiligingsorganisaties.

Tot de gemelde startpartners behoren:

• Amazon Web Services (AWS)
• Apple
• Google
• Microsoft
• NVIDIA
• Cisco
• Broadcom
• CrowdStrike
• Palo Alto Networks
• JPMorgan Chase
• The Linux Foundation

Samen met Anthropic zelf en tientallen andere organisaties omvat het programma in totaal ongeveer 50 partners.

Deze partners zetten het model in tegen hun eigen software en kritieke open-source-infrastructuur om kwetsbaarheden te identificeren die vervolgens kunnen worden gepatcht.

Waarom het model niet openbaar is

Anthropic benadrukt dat Mythos bewust is beperkt, omdat dezelfde capaciteiten die nuttig zijn voor verdediging ook grootschalige cyberaanvallen mogelijk zouden kunnen maken.

Als een systeem dat automatisch zero-day-kwetsbaarheden kan ontdekken en exploiteren breed beschikbaar zou zijn, zou dat de drempel voor offensieve cyberoperaties aanzienlijk verlagen.

Het gecontroleerde partnermodel is bedoeld om zoveel mogelijk kwetsbaarheden te verhelpen voordat vergelijkbare capaciteiten algemeen beschikbaar worden.

Kritiek en scepsis van beveiligingsexperts

Ondanks de indrukwekkende aantallen blijft er binnen de cybersecurity-gemeenschap scepsis bestaan.

1. Beperkte onafhankelijke verificatie
De meeste grootschalige resultaten – zoals de 10.000 ontdekte kwetsbaarheden – komen uit Anthropics eigen rapportage of uit samenvattingen die die claims herhalen. Omdat de kwetsbaarheden grotendeels niet openbaar zijn, kunnen externe onderzoekers ze nog niet direct evalueren.

2. Mogelijke overlap met bestaande tools
Sommige onderzoekers beargumenteren dat vergelijkbare mogelijkheden om kwetsbaarheden te vinden al bereikt kunnen worden met combinaties van bestaande openbare modellen en tools. Mythos zou dan eerder een versnelling zijn dan een fundamenteel nieuwe capaciteit.

3. Moeilijkheid bij het meten van daadwerkelijke validatiepercentages
Hoewel er benchmarkresultaten bestaan, zoals de 73% score op de capture-the-flag-testen, zijn duidelijke statistieken over hoeveel door AI geïdentificeerde bugs daadwerkelijk zijn bevestigd en gepatcht in echte productiesystemen nog niet in detail openbaar gedocumenteerd.

Het komt hierop neer

Als de door Anthropic gerapporteerde cijfers standhouden bij bredere verificatie, dan vertegenwoordigt Project Glasswing een van de grootste AI-gestunde kwetsbaarheidszoekacties ooit. In de eerste maand alleen al zou het programma meer dan 10.000 ernstige beveiligingsfouten hebben blootgelegd in kritieke softwaresystemen.

Maar omdat de meeste kwetsbaarheden nog niet openbaar zijn gemaakt in het kader van gecoördineerd patchen, ontbreekt het de beveiligingscommunity nog aan uitgebreide onafhankelijke validatie van deze resultaten.

Wat wel duidelijk is, is dat AI-systemen snel krachtige hulpmiddelen worden voor softwarebeveiligingsonderzoek – in staat om complexe codebases te scannen, subtiele kwetsbaarheden te identificeren en zelfs werkende exploits te genereren. Of Mythos nu een unieke doorbraak is of simpelweg de voorhoede van een bredere trend in AI-gestuurde beveiligingsanalyse, is een vraag die de industrie de komende jaren waarschijnlijk zal beantwoorden.

Het model is geoptimaliseerd voor het redeneren over code, het herkennen van zwakke plekken en in sommige gevallen het genereren van werkende exploits om de impact van die fouten aan te tonen.

Omdat deze mogelijkheden ook aanvallers zouden kunnen helpen, koos Anthropic voor een gecontroleerde uitrol via partnerorganisaties in plaats van een openbare API-release.

Eerste maand: meer dan 10.000 kwetsbaarheden

Anthropics eerste update over het programma meldde ongekend grootschalige resultaten:

• Meer dan 10.000 hoog- of kritiek-ernstige kwetsbaarheden ontdekt door Anthropic en ongeveer 50 partnerorganisaties.
• Honderden ernstige kwetsbaarheden per partner in ongeveer de eerste maand van gebruik.
• Verschillende organisaties meldden dat hun bugsnelheid met meer dan een factor 10 was gestegen na gebruik van het systeem.

Een door Anthropic genoemd voorbeeld is Cloudflare, dat met het model ongeveer 2.000 bugs ontdekte – waarvan 400 met een hoge of kritieke ernst – in zijn kerndiensten.

Deze cijfers suggereren dat het systeem beveiligingsteams in staat stelt grote codebases veel sneller te analyseren dan met traditionele handmatige controles.

Benchmarkprestaties en technische mogelijkheden

Ook externe evaluaties wijzen op sterke cybersecurity-prestaties.

Het Britse AI Security Institute (AISI) bevestigde naar verluidt dat Claude Mythos Preview 73% van de expert-level capture-the-flag-cybersecurityuitdagingen wist op te lossen – een benchmark voor het vinden van kwetsbaarheden in de praktijk.

Anthropic en gerelateerde analyses beschrijven daarnaast verschillende mogelijkheden:

• Het ontdekken van voorheen onbekende zero-day-kwetsbaarheden in besturingssystemen en browsers.
• Het aan elkaar rijgen van meerdere kwetsbaarheden om privileges uit te breiden of systemen over te nemen.
• Het automatisch genereren van werkende exploitcode om aan te tonen hoe fouten misbruikt kunnen worden.

Deze vaardigheden gaan verder dan eenvoudige statische analyse en komen in de buurt van taken die traditioneel door top-beveiligingsonderzoekers worden uitgevoerd.

Voorbeelden van gevonden kwetsbaarheden

Hoewel de meeste vondsten nog niet openbaar zijn gemaakt in verband met gecoördineerde patchprocessen, zijn er een paar voorbeelden gerapporteerd.

Volgens bronnen die de claims van Anthropic samenvatten, identificeerde het model:

• Een 27 jaar oude kwetsbaarheid in de OpenBSD-kernel met betrekking tot TCP SACK-opties.
• Een 16 jaar oude bug in FFmpeg die miljoenen geautomatiseerde tests had overleefd zonder ooit te zijn ontdekt.
• Een reeks kwetsbaarheden in de Linux-kernel waarmee een normale gebruiker volledige systeemcontrole kon krijgen.

Anthropic heeft aangegeven dat het de details van de overgrote meerderheid van de ontdekkingen nog niet kan delen, omdat meer dan 99% van de gevonden kwetsbaarheden nog niet publiekelijk is gepatcht.

Welke bedrijven doen mee?

Project Glasswing is een coalitie van technologiebedrijven, infrastructuurleveranciers en beveiligingsorganisaties.

Tot de gemelde startpartners behoren:

• Amazon Web Services (AWS)
• Apple
• Google
• Microsoft
• NVIDIA
• Cisco
• Broadcom
• CrowdStrike
• Palo Alto Networks
• JPMorgan Chase
• The Linux Foundation

Samen met Anthropic zelf en tientallen andere organisaties omvat het programma in totaal ongeveer 50 partners.

Deze partners zetten het model in tegen hun eigen software en kritieke open-source-infrastructuur om kwetsbaarheden te identificeren die vervolgens kunnen worden gepatcht.

Waarom het model niet openbaar is

Anthropic benadrukt dat Mythos bewust is beperkt, omdat dezelfde capaciteiten die nuttig zijn voor verdediging ook grootschalige cyberaanvallen mogelijk zouden kunnen maken.

Als een systeem dat automatisch zero-day-kwetsbaarheden kan ontdekken en exploiteren breed beschikbaar zou zijn, zou dat de drempel voor offensieve cyberoperaties aanzienlijk verlagen.

Het gecontroleerde partnermodel is bedoeld om zoveel mogelijk kwetsbaarheden te verhelpen voordat vergelijkbare capaciteiten algemeen beschikbaar worden.

Kritiek en scepsis van beveiligingsexperts

Ondanks de indrukwekkende aantallen blijft er binnen de cybersecurity-gemeenschap scepsis bestaan.

1. Beperkte onafhankelijke verificatie
De meeste grootschalige resultaten – zoals de 10.000 ontdekte kwetsbaarheden – komen uit Anthropics eigen rapportage of uit samenvattingen die die claims herhalen. Omdat de kwetsbaarheden grotendeels niet openbaar zijn, kunnen externe onderzoekers ze nog niet direct evalueren.

2. Mogelijke overlap met bestaande tools
Sommige onderzoekers beargumenteren dat vergelijkbare mogelijkheden om kwetsbaarheden te vinden al bereikt kunnen worden met combinaties van bestaande openbare modellen en tools. Mythos zou dan eerder een versnelling zijn dan een fundamenteel nieuwe capaciteit.

3. Moeilijkheid bij het meten van daadwerkelijke validatiepercentages
Hoewel er benchmarkresultaten bestaan, zoals de 73% score op de capture-the-flag-testen, zijn duidelijke statistieken over hoeveel door AI geïdentificeerde bugs daadwerkelijk zijn bevestigd en gepatcht in echte productiesystemen nog niet in detail openbaar gedocumenteerd.

Het komt hierop neer

Als de door Anthropic gerapporteerde cijfers standhouden bij bredere verificatie, dan vertegenwoordigt Project Glasswing een van de grootste AI-gestunde kwetsbaarheidszoekacties ooit. In de eerste maand alleen al zou het programma meer dan 10.000 ernstige beveiligingsfouten hebben blootgelegd in kritieke softwaresystemen.

Maar omdat de meeste kwetsbaarheden nog niet openbaar zijn gemaakt in het kader van gecoördineerd patchen, ontbreekt het de beveiligingscommunity nog aan uitgebreide onafhankelijke validatie van deze resultaten.

Wat wel duidelijk is, is dat AI-systemen snel krachtige hulpmiddelen worden voor softwarebeveiligingsonderzoek – in staat om complexe codebases te scannen, subtiele kwetsbaarheden te identificeren en zelfs werkende exploits te genereren. Of Mythos nu een unieke doorbraak is of simpelweg de voorhoede van een bredere trend in AI-gestuurde beveiligingsanalyse, is een vraag die de industrie de komende jaren waarschijnlijk zal beantwoorden.