Meerah Rajavel anser att det mer akuta hotet kommer från billiga, nedladdningsbara öppenviktsmodeller – inte nödvändigtvis från de hårdare kontrollerade frontier modellerna. När modellvikterna blir offentliga försvinner mycket av leverantörens möjlighet att övervaka, begränsa, uppdatera eller återkalla modellen.
Publicerad avRedigerad med GPT-5.6 LunaBilder genererade med GPT Image 1.5
Research answer

Create a landscape editorial hero image for this Studio Global article: What did Palo Alto Networks CIO Meerah Rajavel identify as the greatest cybersecurity threat facing organizations— inexpensive open source o. Article summary: Rajavel’s warning was that the more immediate organizational risk is not necessarily the tightly controlled frontier model, but a cheap, downloadable open weight model that is only a few months behind it in capability.. Topic tags: general web, ai safety, openai, llm, agents. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts wi
Meerah Rajavel, CIO på cybersäkerhetsföretaget Palo Alto Networks, pekar ut billiga AI-modeller med öppna vikter som det största och mest omedelbara hotet mot organisationers cybersäkerhet. Hennes poäng är att en modell inte behöver vara bäst i världen för att bli farlig. Det räcker att den ligger några månader efter de mest avancerade, stängda modellerna – samtidigt som den kan laddas ner, kopieras och köras lokalt. 6
Palo Alto Networks har varnat för att avancerade offensiva AI-funktioner kan bli allmänt tillgängliga genom öppna alternativ inom ungefär fyra till sex månader, baserat på hur snabbt tidigare modellgenerationer har kopierats eller kommit ikapp. 11
En AI-tjänst som används via ett API – alltså ett gränssnitt där leverantören står för driften – ger normalt utvecklaren flera kontrollmöjligheter. Leverantören kan logga användningen, upptäcka missbruk, införa hastighetsbegränsningar, uppdatera säkerhetsfunktioner och stänga av konton.
En lokalt körd kopia fungerar annorlunda. När modellvikterna har publicerats kan skydden ändras eller tas bort. Den ursprungliga utvecklaren kan inte på ett tillförlitligt sätt återkalla eller patcha varje kopia, och företagets säkerhetsteam kanske inte ens känner till att modellen körs i organisationen. Det gör användningen svårare att granska och begränsa. 6
Sjunkande kostnader för att hyra GPU-kapacitet, tillsammans med möjligheten att köra modeller på egen hårdvara, minskar både den ekonomiska och praktiska tröskeln för missbruk. Modellerna kan bland annat hjälpa till med kartläggning av mål, utveckling av exploateringskod, nätfiske, anpassning av skadeprogram och automatiserade angrepp.
Det betyder inte att alla som använder öppenviktsmodeller har skadliga avsikter. Risken handlar snarare om spridning och skala: fler aktörer kan få tillgång till avancerade funktioner och automatisera cyberangrepp snabbare. Forskning om riskerna med öppenviktsmodeller pekar särskilt på hur offentlig tillgång kan göra det möjligt för fler grupper att skala upp sådan aktivitet. 2
Ett annat problem är att ett AI-systems säkerhet inte alltid syns i ett enskilt test. Cisco-forskare testade åtta öppenviktsmodeller och fann att attacker över flera meddelanden lyckades två till tio gånger oftare än engångsattacker. De rapporterade framgångsnivåerna för flerstegsattacker låg mellan 25,86 och 92,78 procent.
I praktiken innebär det att en modell kan säga nej till en skadlig fråga i det första meddelandet, men ändå manipuleras genom en längre dialog där angriparen stegvis ändrar formuleringen, delar upp uppgiften eller försöker kringgå modellens säkerhetsregler.
Företag som laddar ner och driftar modeller själva måste inte bara lita på modellens svar. De måste också lita på modellfilen, filformatet, chattmallarna, inferensservern och alla tillhörande beroenden.
Cloud Security Alliance har beskrivit hot mot självhostade AI-modeller där körbar kod eller mallar kan aktiveras när modellen laddas. Det kan i vissa fall öppna för exempelvis stöld av inloggningsuppgifter eller dataexfiltrering. Påståendet att en och samma CSA-studie specifikt skulle ha pekat ut Llama, Mistral och Qwen tillsammans går däremot inte att verifiera tillräckligt tydligt i en primärkälla och bör därför behandlas med försiktighet.
De siffror som nämns i diskussionen om Palo Alto Networks behöver också korrigeras. Företagets underlag anger att det upptäcker upp till 8,9 miljoner nya eller tidigare osedda attacker per dag och blockerar upp till 30,9 miljarder attacker per dag. Det handlar alltså inte om 250 miljoner nya attackvektorer och 30 miljarder blockerade attacker under ett kalenderår.
Volymerna illustrerar ändå Rajavels bredare varning: hotbilden förändras redan snabbt och i stor skala. Om kraftfulla, modifierbara AI-modeller dessutom sprids brett kan angripare korta tiden mellan idé, test och genomförande ytterligare. För organisationer blir frågan därför inte bara vilken AI som används – utan också vilka modeller som körs, var de körs och om någon faktiskt kan övervaka dem.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Meerah Rajavel anser att det mer akuta hotet kommer från billiga, nedladdningsbara öppenviktsmodeller – inte nödvändigtvis från de hårdare kontrollerade frontier modellerna.
Meerah Rajavel anser att det mer akuta hotet kommer från billiga, nedladdningsbara öppenviktsmodeller – inte nödvändigtvis från de hårdare kontrollerade frontier modellerna. När modellvikterna blir offentliga försvinner mycket av leverantörens möjlighet att övervaka, begränsa, uppdatera eller återkalla modellen.
Lägre kostnader för GPU kraft gör det enklare att använda modellerna för allt från automatiserade bedrägerier till utveckling av skadeprogram.
Meerah Rajavel anser att det mer akuta hotet kommer från billiga, nedladdningsbara öppenviktsmodeller – inte nödvändigtvis från de hårdare kontrollerade frontier modellerna. När modellvikterna blir offentliga försvinner mycket av leverantörens möjlighet att övervaka, begränsa, uppdatera eller återkalla modellen.
Publicerad avRedigerad med GPT-5.6 LunaBilder genererade med GPT Image 1.5
Research answer

Create a landscape editorial hero image for this Studio Global article: What did Palo Alto Networks CIO Meerah Rajavel identify as the greatest cybersecurity threat facing organizations— inexpensive open source o. Article summary: Rajavel’s warning was that the more immediate organizational risk is not necessarily the tightly controlled frontier model, but a cheap, downloadable open weight model that is only a few months behind it in capability.. Topic tags: general web, ai safety, openai, llm, agents. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts wi
Meerah Rajavel, CIO på cybersäkerhetsföretaget Palo Alto Networks, pekar ut billiga AI-modeller med öppna vikter som det största och mest omedelbara hotet mot organisationers cybersäkerhet. Hennes poäng är att en modell inte behöver vara bäst i världen för att bli farlig. Det räcker att den ligger några månader efter de mest avancerade, stängda modellerna – samtidigt som den kan laddas ner, kopieras och köras lokalt. 6
Palo Alto Networks har varnat för att avancerade offensiva AI-funktioner kan bli allmänt tillgängliga genom öppna alternativ inom ungefär fyra till sex månader, baserat på hur snabbt tidigare modellgenerationer har kopierats eller kommit ikapp. 11
En AI-tjänst som används via ett API – alltså ett gränssnitt där leverantören står för driften – ger normalt utvecklaren flera kontrollmöjligheter. Leverantören kan logga användningen, upptäcka missbruk, införa hastighetsbegränsningar, uppdatera säkerhetsfunktioner och stänga av konton.
En lokalt körd kopia fungerar annorlunda. När modellvikterna har publicerats kan skydden ändras eller tas bort. Den ursprungliga utvecklaren kan inte på ett tillförlitligt sätt återkalla eller patcha varje kopia, och företagets säkerhetsteam kanske inte ens känner till att modellen körs i organisationen. Det gör användningen svårare att granska och begränsa. 6
Sjunkande kostnader för att hyra GPU-kapacitet, tillsammans med möjligheten att köra modeller på egen hårdvara, minskar både den ekonomiska och praktiska tröskeln för missbruk. Modellerna kan bland annat hjälpa till med kartläggning av mål, utveckling av exploateringskod, nätfiske, anpassning av skadeprogram och automatiserade angrepp.
Det betyder inte att alla som använder öppenviktsmodeller har skadliga avsikter. Risken handlar snarare om spridning och skala: fler aktörer kan få tillgång till avancerade funktioner och automatisera cyberangrepp snabbare. Forskning om riskerna med öppenviktsmodeller pekar särskilt på hur offentlig tillgång kan göra det möjligt för fler grupper att skala upp sådan aktivitet. 2
Ett annat problem är att ett AI-systems säkerhet inte alltid syns i ett enskilt test. Cisco-forskare testade åtta öppenviktsmodeller och fann att attacker över flera meddelanden lyckades två till tio gånger oftare än engångsattacker. De rapporterade framgångsnivåerna för flerstegsattacker låg mellan 25,86 och 92,78 procent.
I praktiken innebär det att en modell kan säga nej till en skadlig fråga i det första meddelandet, men ändå manipuleras genom en längre dialog där angriparen stegvis ändrar formuleringen, delar upp uppgiften eller försöker kringgå modellens säkerhetsregler.
Företag som laddar ner och driftar modeller själva måste inte bara lita på modellens svar. De måste också lita på modellfilen, filformatet, chattmallarna, inferensservern och alla tillhörande beroenden.
Cloud Security Alliance har beskrivit hot mot självhostade AI-modeller där körbar kod eller mallar kan aktiveras när modellen laddas. Det kan i vissa fall öppna för exempelvis stöld av inloggningsuppgifter eller dataexfiltrering. Påståendet att en och samma CSA-studie specifikt skulle ha pekat ut Llama, Mistral och Qwen tillsammans går däremot inte att verifiera tillräckligt tydligt i en primärkälla och bör därför behandlas med försiktighet.
De siffror som nämns i diskussionen om Palo Alto Networks behöver också korrigeras. Företagets underlag anger att det upptäcker upp till 8,9 miljoner nya eller tidigare osedda attacker per dag och blockerar upp till 30,9 miljarder attacker per dag. Det handlar alltså inte om 250 miljoner nya attackvektorer och 30 miljarder blockerade attacker under ett kalenderår.
Volymerna illustrerar ändå Rajavels bredare varning: hotbilden förändras redan snabbt och i stor skala. Om kraftfulla, modifierbara AI-modeller dessutom sprids brett kan angripare korta tiden mellan idé, test och genomförande ytterligare. För organisationer blir frågan därför inte bara vilken AI som används – utan också vilka modeller som körs, var de körs och om någon faktiskt kan övervaka dem.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Meerah Rajavel anser att det mer akuta hotet kommer från billiga, nedladdningsbara öppenviktsmodeller – inte nödvändigtvis från de hårdare kontrollerade frontier modellerna.
Meerah Rajavel anser att det mer akuta hotet kommer från billiga, nedladdningsbara öppenviktsmodeller – inte nödvändigtvis från de hårdare kontrollerade frontier modellerna. När modellvikterna blir offentliga försvinner mycket av leverantörens möjlighet att övervaka, begränsa, uppdatera eller återkalla modellen.
Lägre kostnader för GPU kraft gör det enklare att använda modellerna för allt från automatiserade bedrägerier till utveckling av skadeprogram.