Modellen är specifikt optimerad för att resonera kring kod, identifiera svagheter och i vissa fall generera fungerande exploateringskod som visar effekten av dessa brister.

Eftersom sådana förmågor också skulle kunna hjälpa angripare, valde Anthropic en kontrollerad utrullning via partnerorganisationer istället för ett offentligt API.

Första månadens resultat: Mer än 10 000 sårbarheter

I Anthropics första uppdatering av programmet rapporterades ovanligt storskaliga resultat:

• Mer än 10 000 allvarliga eller kritiska sårbarheter upptäckta gemensamt av Anthropic och omkring 50 partnerorganisationer.
• Hundratals allvarliga sårbarheter per partner upptäckta under ungefär den första månaden.
• Flera organisationer rapporterade att deras buggupptäcktsfrekvens ökade med mer än 10 gånger efter att ha använt systemet.

Ett exempel som Anthropic citerar är Cloudflare, som rapporterade att man upptäckt omkring 2 000 buggar – inklusive 400 allvarliga eller kritiska – i sina kärntjänster med hjälp av modellen.

Dessa siffror tyder på att systemet kan göra det möjligt för säkerhetsteam att analysera stora kodbaser mycket snabbare än med traditionell manuell granskning.

Benchmark-prestanda och tekniska förmågor

Även externa utvärderingssignaler pekar på stark cybersäkerhetsprestanda.

Storbritanniens AI Security Institute bekräftade enligt uppgift att Claude Mythos Preview löste 73 % av expertnivåns capture-the-flag-utmaningar inom cybersäkerhet, ett riktmärke som används för att testa verklig förmåga att hitta sårbarheter.

Anthropic och relaterade analyser beskriver också flera förmågor:

• Upptäckt av tidigare okända zero-day-sårbarheter i operativsystem och webbläsare.
• Kedjning av flera sårbarheter för att uppnå privilegieeskalering eller systemkompromettering.
• Automatisk generering av fungerande exploateringskod för att visa hur brister kan missbrukas.

Dessa förmågor går bortom enkel statisk analys och in i uppgifter som traditionellt utförs av elitsäkerhetsforskare.

Exempel på upptäckta sårbarheter

Även om de flesta fynden förblir hemliga under koordinerad patchning, har några exempel rapporterats.

Enligt rapporter som sammanfattar Anthropics påståenden identifierade modellen:

• En 27 år gammal sårbarhet i OpenBSD-kärnan relaterad till TCP SACK-alternativ.
• En 16 år gammal bugg i FFmpeg som hade överlevt miljontals automatiska tester utan att upptäckas.
• Kedjor av sårbarheter i Linux-kärnan som möjliggjorde privilegieeskalering från en vanlig användare till full systemkontroll.

Anthropic har sagt att man inte kan avslöja detaljer för de allra flesta upptäckter ännu eftersom över 99 % av sårbarheterna man hittat inte har patchats offentligt.

Vilka företag är inblandade

Project Glasswing fungerar som en koalition av teknikföretag, infrastrukturleverantörer och säkerhetsorganisationer.

Rapporterade lanseringspartners inkluderar:

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

Tillsammans med Anthropic självt och dussintals ytterligare organisationer omfattar programmet omkring 50 partners totalt.

Dessa partners kör modellen mot sin egen mjukvara och kritisk öppen källkods-infrastruktur för att identifiera sårbarheter som sedan kan patchas.

Varför modellen inte släpps offentligt

Anthropic har betonat att Mythos avsiktligt är begränsad eftersom samma förmågor som är användbara för försvar också skulle kunna möjliggöra storskaliga cyberattacker.

Om ett system som automatiskt kan upptäcka och utnyttja zero-day-sårbarheter blev allmänt tillgängligt skulle det dramatiskt kunna sänka tröskeln för offensiva cyberoperationer.

Den kontrollerade partnermodellen är avsedd att åtgärda så många sårbarheter som möjligt innan liknande förmågor blir allmänt tillgängliga.

Kritik och skepsis från säkerhetsexperter

Trots de imponerande rubriksiffrorna finns det flera punkter av skepsis inom cybersäkerhetscommunityt.

1. Begränsad oberoende verifiering
De flesta av de storskaliga resultaten – som de 10 000 upptäckta sårbarheterna – kommer från Anthropics egen rapportering eller sammanfattningar som upprepar dessa påståenden. Eftersom sårbarheterna till största delen inte är offentliggjorda kan externa forskare ännu inte utvärdera dem direkt.

2. Möjlig överlappning med befintliga verktyg
Vissa forskare hävdar att liknande förmåga att hitta sårbarheter redan kan uppnås med kombinationer av befintliga publika modeller och verktyg, vilket tyder på att Mythos snarare är en accelerering än en fundamentalt ny förmåga.

3. Svårighet att mäta verkliga valideringsgrader
Även om benchmark-resultat som 73 %-framgången i capture-the-flag finns, har tydlig statistik över hur många AI-identifierade buggar som bekräftats och patchats i verkliga produktionssystem ännu inte offentliggjorts i detalj.

Slutsats

Om Anthropics rapporterade siffror håller vid bredare verifiering, representerar Project Glasswing ett av de största AI-assisterade sårbarhetsupptäcktsprojekt som någonsin genomförts. Under sin första månad rapporteras programmet ha avslöjat mer än 10 000 allvarliga säkerhetsbrister i kritisk mjukvara.

Men eftersom de flesta sårbarheterna förblir hemliga under koordinerad patchning, saknar säkerhetscommunityt fortfarande omfattande oberoende validering av dessa resultat.

Vad som är klart är att AI-system håller på att bli kraftfulla verktyg för mjukvarusäkerhetsforskning – kapabla att skanna komplexa kodbaser, identifiera subtila sårbarheter och till och med generera fungerande exploateringskod. Huruvida Mythos representerar ett unikt genombrott eller bara den ledande kanten av en bredare trend inom AI-driven säkerhetsanalys är en fråga som branschen sannolikt kommer att besvara under de kommande åren.

Modellen är specifikt optimerad för att resonera kring kod, identifiera svagheter och i vissa fall generera fungerande exploateringskod som visar effekten av dessa brister.

Eftersom sådana förmågor också skulle kunna hjälpa angripare, valde Anthropic en kontrollerad utrullning via partnerorganisationer istället för ett offentligt API.

Första månadens resultat: Mer än 10 000 sårbarheter

I Anthropics första uppdatering av programmet rapporterades ovanligt storskaliga resultat:

• Mer än 10 000 allvarliga eller kritiska sårbarheter upptäckta gemensamt av Anthropic och omkring 50 partnerorganisationer.
• Hundratals allvarliga sårbarheter per partner upptäckta under ungefär den första månaden.
• Flera organisationer rapporterade att deras buggupptäcktsfrekvens ökade med mer än 10 gånger efter att ha använt systemet.

Ett exempel som Anthropic citerar är Cloudflare, som rapporterade att man upptäckt omkring 2 000 buggar – inklusive 400 allvarliga eller kritiska – i sina kärntjänster med hjälp av modellen.

Dessa siffror tyder på att systemet kan göra det möjligt för säkerhetsteam att analysera stora kodbaser mycket snabbare än med traditionell manuell granskning.

Benchmark-prestanda och tekniska förmågor

Även externa utvärderingssignaler pekar på stark cybersäkerhetsprestanda.

Storbritanniens AI Security Institute bekräftade enligt uppgift att Claude Mythos Preview löste 73 % av expertnivåns capture-the-flag-utmaningar inom cybersäkerhet, ett riktmärke som används för att testa verklig förmåga att hitta sårbarheter.

Anthropic och relaterade analyser beskriver också flera förmågor:

• Upptäckt av tidigare okända zero-day-sårbarheter i operativsystem och webbläsare.
• Kedjning av flera sårbarheter för att uppnå privilegieeskalering eller systemkompromettering.
• Automatisk generering av fungerande exploateringskod för att visa hur brister kan missbrukas.

Dessa förmågor går bortom enkel statisk analys och in i uppgifter som traditionellt utförs av elitsäkerhetsforskare.

Exempel på upptäckta sårbarheter

Även om de flesta fynden förblir hemliga under koordinerad patchning, har några exempel rapporterats.

Enligt rapporter som sammanfattar Anthropics påståenden identifierade modellen:

• En 27 år gammal sårbarhet i OpenBSD-kärnan relaterad till TCP SACK-alternativ.
• En 16 år gammal bugg i FFmpeg som hade överlevt miljontals automatiska tester utan att upptäckas.
• Kedjor av sårbarheter i Linux-kärnan som möjliggjorde privilegieeskalering från en vanlig användare till full systemkontroll.

Anthropic har sagt att man inte kan avslöja detaljer för de allra flesta upptäckter ännu eftersom över 99 % av sårbarheterna man hittat inte har patchats offentligt.

Vilka företag är inblandade

Project Glasswing fungerar som en koalition av teknikföretag, infrastrukturleverantörer och säkerhetsorganisationer.

Rapporterade lanseringspartners inkluderar:

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

Tillsammans med Anthropic självt och dussintals ytterligare organisationer omfattar programmet omkring 50 partners totalt.

Dessa partners kör modellen mot sin egen mjukvara och kritisk öppen källkods-infrastruktur för att identifiera sårbarheter som sedan kan patchas.

Varför modellen inte släpps offentligt

Anthropic har betonat att Mythos avsiktligt är begränsad eftersom samma förmågor som är användbara för försvar också skulle kunna möjliggöra storskaliga cyberattacker.

Om ett system som automatiskt kan upptäcka och utnyttja zero-day-sårbarheter blev allmänt tillgängligt skulle det dramatiskt kunna sänka tröskeln för offensiva cyberoperationer.

Den kontrollerade partnermodellen är avsedd att åtgärda så många sårbarheter som möjligt innan liknande förmågor blir allmänt tillgängliga.

Kritik och skepsis från säkerhetsexperter

Trots de imponerande rubriksiffrorna finns det flera punkter av skepsis inom cybersäkerhetscommunityt.

1. Begränsad oberoende verifiering
De flesta av de storskaliga resultaten – som de 10 000 upptäckta sårbarheterna – kommer från Anthropics egen rapportering eller sammanfattningar som upprepar dessa påståenden. Eftersom sårbarheterna till största delen inte är offentliggjorda kan externa forskare ännu inte utvärdera dem direkt.

2. Möjlig överlappning med befintliga verktyg
Vissa forskare hävdar att liknande förmåga att hitta sårbarheter redan kan uppnås med kombinationer av befintliga publika modeller och verktyg, vilket tyder på att Mythos snarare är en accelerering än en fundamentalt ny förmåga.

3. Svårighet att mäta verkliga valideringsgrader
Även om benchmark-resultat som 73 %-framgången i capture-the-flag finns, har tydlig statistik över hur många AI-identifierade buggar som bekräftats och patchats i verkliga produktionssystem ännu inte offentliggjorts i detalj.

Slutsats

Om Anthropics rapporterade siffror håller vid bredare verifiering, representerar Project Glasswing ett av de största AI-assisterade sårbarhetsupptäcktsprojekt som någonsin genomförts. Under sin första månad rapporteras programmet ha avslöjat mer än 10 000 allvarliga säkerhetsbrister i kritisk mjukvara.

Men eftersom de flesta sårbarheterna förblir hemliga under koordinerad patchning, saknar säkerhetscommunityt fortfarande omfattande oberoende validering av dessa resultat.

Vad som är klart är att AI-system håller på att bli kraftfulla verktyg för mjukvarusäkerhetsforskning – kapabla att skanna komplexa kodbaser, identifiera subtila sårbarheter och till och med generera fungerande exploateringskod. Huruvida Mythos representerar ett unikt genombrott eller bara den ledande kanten av en bredare trend inom AI-driven säkerhetsanalys är en fråga som branschen sannolikt kommer att besvara under de kommande åren.