Model został zoptymalizowany do analizy kodu, identyfikowania słabości i – w niektórych przypadkach – generowania działających exploitów obrazujących wpływ tych wad.

Ponieważ takie możliwości mogłyby również wesprzeć atakujących, Anthropic zdecydował się na kontrolowane wdrożenie przez organizacje partnerskie, zamiast publicznego udostępniania API.

Wyniki pierwszego miesiąca: ponad 10 000 luk

Pierwsza aktualizacja programu przyniosła niezwykle imponujące liczby:

• Ponad 10 000 luk o wysokiej lub krytycznej wadze odkrytych łącznie przez Anthropic i około 50 organizacji partnerskich.
• Setki poważnych podatności na partnera w ciągu mniej więcej pierwszego miesiąca użytkowania.
• Kilka organizacji zgłosiło, że ich efektywność w znajdowaniu błędów wzrosła ponad 10-krotnie po wdrożeniu systemu.

Przykład podany przez Anthropic to Cloudflare, który odkrył około 2000 błędów – w tym 400 o wysokiej lub krytycznej wadze – w swoich kluczowych usługach przy użyciu modelu.

Te liczby sugerują, że system może pozwolić zespołom bezpieczeństwa na analizę ogromnych baz kodu znacznie szybciej niż tradycyjny audyt manualny.

Wydajność benchmarkowa i możliwości techniczne

Sygnały zewnętrznej oceny również wskazują na wysoką skuteczność cyberbezpieczeństwa.

Brytyjski Instytut Bezpieczeństwa AI (UK AI Security Institute) potwierdził, że Claude Mythos Preview rozwiązał 73% eksperckich zadań typu „capture-the-flag”, które są używane jako test umiejętności znajdowania rzeczywistych luk .

Anthropic i powiązane analizy opisują również następujące możliwości:

• Odkrywanie wcześniej nieznanych luk dnia zerowego (zero-day) w systemach operacyjnych i przeglądarkach.
• Łączenie wielu luk w łańcuchy ataku w celu eskalacji uprawnień lub przejęcia systemu.
• Automatyczne generowanie działającego kodu exploita w celu zademonstrowania, jak luki mogą być wykorzystane.

Te umiejętności wykraczają poza prostą analizę statyczną i sięgają zadań tradycyjnie wykonywanych przez elitarne zespoły badaczy bezpieczeństwa.

Przykłady znalezionych luk

Choć większość odkryć pozostaje nieujawniona do czasu przygotowania poprawek, podano kilka przykładów.

Zgodnie z raportami podsumowującymi twierdzenia Anthropic, model zidentyfikował:

• 27-letnią lukę w jądrze OpenBSD związaną z opcjami TCP SACK.
• 16-letni błąd w FFmpeg, który przetrwał miliony automatycznych testów bez wykrycia.
• Łańcuchy luk w jądrze Linux, które umożliwiały eskalację uprawnień od zwykłego użytkownika do pełnej kontroli nad systemem.

Anthropic zastrzega, że nie może ujawnić szczegółów zdecydowanej większości odkryć, ponieważ ponad 99% znalezionych przez niego luk nie zostało jeszcze publicznie załatanych.

Które firmy są zaangażowane?

Projekt Glasswing działa jako koalicja firm technologicznych, dostawców infrastruktury i organizacji bezpieczeństwa.

Wśród ogłoszonych uczestników na starcie znaleźli się:

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

Razem z samym Anthropic i kilkudziesięcioma dodatkowymi organizacjami program obejmuje łącznie około 50 partnerów.

Partnerzy ci uruchamiają model na swoim oprogramowaniu i krytycznej infrastrukturze open source, aby identyfikować luki, które następnie można załatać.

Dlaczego model nie jest publicznie dostępny?

Anthropic podkreśla, że Mythos jest celowo ograniczony, ponieważ te same zdolności przydatne do obrony mogą również umożliwić cyberataki na szeroką skalę.

Gdyby był powszechnie dostępny, system zdolny do automatycznego odkrywania i wykorzystywania luk dnia zerowego mógłby radykalnie obniżyć próg wejścia dla ofensywnych operacji cybernetycznych.

Model kontrolowanego partnerstwa ma na celu załatanie jak największej liczby luk, zanim podobne zdolności staną się powszechnie dostępne.

Krytyka i sceptycyzm ekspertów ds. bezpieczeństwa

Mimo imponujących liczb, w społeczności cyberbezpieczeństwa pojawia się kilka punktów sceptycyzmu.

1. Ograniczona niezależna weryfikacja – większość wyników na dużą skalę (np. 10 000 wykrytych luk) pochodzi z raportów samego Anthropic lub ich powtórzeń. Ponieważ luki są w większości nieujawnione, zewnętrzni badacze nie mogą ich jeszcze bezpośrednio ocenić.

2. Możliwe pokrywanie się z istniejącymi narzędziami – niektórzy badacze twierdzą, że podobne zdolności można już osiągnąć za pomocą kombinacji istniejących publicznych modeli i narzędzi, co sugeruje, że Mythos może być przyspieszeniem, a nie zupełnie nową zdolnością.

3. Trudność w mierzeniu rzeczywistego wskaźnika walidacji – choć istnieją wyniki benchmarków (np. 73% w CTF), brakuje szczegółowych, publicznie udokumentowanych statystyk dotyczących tego, ile błędów znalezionych przez AI zostało potwierdzonych i załatanych w rzeczywistych systemach produkcyjnych.

Podsumowanie

Jeśli podane przez Anthropic liczby utrzymają się po szerszej weryfikacji, Projekt Glasswing stanowi jedno z największych dotychczasowych przedsięwzięć w zakresie wykrywania podatności wspomaganego przez AI. W pierwszym miesiąciu program podobno odkrył ponad 10 000 poważnych luk w zabezpieczeniach w krytycznych systemach.

Jednak z powodu braku ujawnienia większości podatności do czasu opracowania poprawek, społeczność bezpieczeństwa wciąż nie ma pełnej, niezależnej walidacji tych wyników.

Jasne jest, że systemy AI stają się potężnymi narzędziami do badania bezpieczeństwa oprogramowania – zdolnymi do skanowania złożonych baz kodu, identyfikowania subtelnych luk, a nawet generowania działających exploitów. To, czy Mythos stanowi unikalny przełom, czy tylko czołówkę szerszego trendu w analizie bezpieczeństwa napędzanej przez AI, to pytanie, na które branża odpowie w ciągu najbliższych kilku lat.

Model został zoptymalizowany do analizy kodu, identyfikowania słabości i – w niektórych przypadkach – generowania działających exploitów obrazujących wpływ tych wad.

Ponieważ takie możliwości mogłyby również wesprzeć atakujących, Anthropic zdecydował się na kontrolowane wdrożenie przez organizacje partnerskie, zamiast publicznego udostępniania API.

Wyniki pierwszego miesiąca: ponad 10 000 luk

Pierwsza aktualizacja programu przyniosła niezwykle imponujące liczby:

• Ponad 10 000 luk o wysokiej lub krytycznej wadze odkrytych łącznie przez Anthropic i około 50 organizacji partnerskich.
• Setki poważnych podatności na partnera w ciągu mniej więcej pierwszego miesiąca użytkowania.
• Kilka organizacji zgłosiło, że ich efektywność w znajdowaniu błędów wzrosła ponad 10-krotnie po wdrożeniu systemu.

Przykład podany przez Anthropic to Cloudflare, który odkrył około 2000 błędów – w tym 400 o wysokiej lub krytycznej wadze – w swoich kluczowych usługach przy użyciu modelu.

Te liczby sugerują, że system może pozwolić zespołom bezpieczeństwa na analizę ogromnych baz kodu znacznie szybciej niż tradycyjny audyt manualny.

Wydajność benchmarkowa i możliwości techniczne

Sygnały zewnętrznej oceny również wskazują na wysoką skuteczność cyberbezpieczeństwa.

Brytyjski Instytut Bezpieczeństwa AI (UK AI Security Institute) potwierdził, że Claude Mythos Preview rozwiązał 73% eksperckich zadań typu „capture-the-flag”, które są używane jako test umiejętności znajdowania rzeczywistych luk .

Anthropic i powiązane analizy opisują również następujące możliwości:

• Odkrywanie wcześniej nieznanych luk dnia zerowego (zero-day) w systemach operacyjnych i przeglądarkach.
• Łączenie wielu luk w łańcuchy ataku w celu eskalacji uprawnień lub przejęcia systemu.
• Automatyczne generowanie działającego kodu exploita w celu zademonstrowania, jak luki mogą być wykorzystane.

Te umiejętności wykraczają poza prostą analizę statyczną i sięgają zadań tradycyjnie wykonywanych przez elitarne zespoły badaczy bezpieczeństwa.

Przykłady znalezionych luk

Choć większość odkryć pozostaje nieujawniona do czasu przygotowania poprawek, podano kilka przykładów.

Zgodnie z raportami podsumowującymi twierdzenia Anthropic, model zidentyfikował:

• 27-letnią lukę w jądrze OpenBSD związaną z opcjami TCP SACK.
• 16-letni błąd w FFmpeg, który przetrwał miliony automatycznych testów bez wykrycia.
• Łańcuchy luk w jądrze Linux, które umożliwiały eskalację uprawnień od zwykłego użytkownika do pełnej kontroli nad systemem.

Anthropic zastrzega, że nie może ujawnić szczegółów zdecydowanej większości odkryć, ponieważ ponad 99% znalezionych przez niego luk nie zostało jeszcze publicznie załatanych.

Które firmy są zaangażowane?

Projekt Glasswing działa jako koalicja firm technologicznych, dostawców infrastruktury i organizacji bezpieczeństwa.

Wśród ogłoszonych uczestników na starcie znaleźli się:

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

Razem z samym Anthropic i kilkudziesięcioma dodatkowymi organizacjami program obejmuje łącznie około 50 partnerów.

Partnerzy ci uruchamiają model na swoim oprogramowaniu i krytycznej infrastrukturze open source, aby identyfikować luki, które następnie można załatać.

Dlaczego model nie jest publicznie dostępny?

Anthropic podkreśla, że Mythos jest celowo ograniczony, ponieważ te same zdolności przydatne do obrony mogą również umożliwić cyberataki na szeroką skalę.

Gdyby był powszechnie dostępny, system zdolny do automatycznego odkrywania i wykorzystywania luk dnia zerowego mógłby radykalnie obniżyć próg wejścia dla ofensywnych operacji cybernetycznych.

Model kontrolowanego partnerstwa ma na celu załatanie jak największej liczby luk, zanim podobne zdolności staną się powszechnie dostępne.

Krytyka i sceptycyzm ekspertów ds. bezpieczeństwa

Mimo imponujących liczb, w społeczności cyberbezpieczeństwa pojawia się kilka punktów sceptycyzmu.

1. Ograniczona niezależna weryfikacja – większość wyników na dużą skalę (np. 10 000 wykrytych luk) pochodzi z raportów samego Anthropic lub ich powtórzeń. Ponieważ luki są w większości nieujawnione, zewnętrzni badacze nie mogą ich jeszcze bezpośrednio ocenić.

2. Możliwe pokrywanie się z istniejącymi narzędziami – niektórzy badacze twierdzą, że podobne zdolności można już osiągnąć za pomocą kombinacji istniejących publicznych modeli i narzędzi, co sugeruje, że Mythos może być przyspieszeniem, a nie zupełnie nową zdolnością.

3. Trudność w mierzeniu rzeczywistego wskaźnika walidacji – choć istnieją wyniki benchmarków (np. 73% w CTF), brakuje szczegółowych, publicznie udokumentowanych statystyk dotyczących tego, ile błędów znalezionych przez AI zostało potwierdzonych i załatanych w rzeczywistych systemach produkcyjnych.

Podsumowanie

Jeśli podane przez Anthropic liczby utrzymają się po szerszej weryfikacji, Projekt Glasswing stanowi jedno z największych dotychczasowych przedsięwzięć w zakresie wykrywania podatności wspomaganego przez AI. W pierwszym miesiąciu program podobno odkrył ponad 10 000 poważnych luk w zabezpieczeniach w krytycznych systemach.

Jednak z powodu braku ujawnienia większości podatności do czasu opracowania poprawek, społeczność bezpieczeństwa wciąż nie ma pełnej, niezależnej walidacji tych wyników.

Jasne jest, że systemy AI stają się potężnymi narzędziami do badania bezpieczeństwa oprogramowania – zdolnymi do skanowania złożonych baz kodu, identyfikowania subtelnych luk, a nawet generowania działających exploitów. To, czy Mythos stanowi unikalny przełom, czy tylko czołówkę szerszego trendu w analizie bezpieczeństwa napędzanej przez AI, to pytanie, na które branża odpowie w ciągu najbliższych kilku lat.