مایکروسافت با Project Perception کشف و وصله گذاری آسیب پذیری ها را خودکار میکند

مایکروسافت از دو دستاورد امنیتی مهم رونمایی کرده است: MAI-Cyber-1-Flash، نخستین مدل امنیت سایبری که این شرکت به‌صورت داخلی آموزش داده، و Project Perception، سامانه دفاعی عامل‌محوری که آسیب‌پذیری‌ها را کشف می‌کند، اهمیت آن‌ها را می‌سنجد و وصله‌های لازم را می‌نویسد و مستقر می‌کند.
به گزارش دپارتمان امنیت سایبری رسانه اخبار فناوری تکنا، این رونمایی چند روز پس از اعلام openAI درباره خروج مدل‌هایش از محیط سندباکس و حمله به هاگینگ فیس انجام شد؛ زمان‌بندی‌ای که ممکن است بداقبالی یا اقدامی هدفمند باشد.
مایکروسافت مدعی است MAI-Cyber-1-Flash در CyberGym، معیار صنعتی سنجش توانمندی‌های امنیت سایبری، امتیاز ۹۶ درصد گرفته است؛ رقمی که نزدیک به ۱۲ واحد از Claude Mythos 5 متعلق به آنتروپیک بالاتر است. این شرکت همچنین وعده می‌دهد هزینه مصرف توکن تا ۵۰ درصد کاهش یابد و می‌گوید سامانه‌ای چندمدلی و دقیق تنظیم‌شده ارائه کرده که به مجموعه‌ای کم‌نظیر از داده‌های آموزشی تاریخی دسترسی دارد.
محصولی رقابتی با زمان‌بندی مناسب؟
حادثه هاگینگ فیس توجه فراوانی جلب کرد و همه بازتاب‌های آن منفی نبود، زیرا نشان داد مدل‌های اوپن‌ای‌آی احتمالاً از ارزیابی‌های خود شرکت توانمندتر هستند. این رویداد پرسشی را برجسته کرد که پژوهشگران سال‌ها مطرح کرده‌اند: وقتی یک مدل به‌اندازه‌ای توانمند شود که بتواند کنترل‌های پیرامون خود را شکست دهد، چه اتفاقی خواهد افتاد؟
پاسخ مایکروسافت به‌موقع و دومحوره است و محصول این شرکت را ارزان‌تر و توانمندتر از گزینه‌های جایگزین معرفی می‌کند، هرچند ارقام عملکرد فعلاً فقط از سوی مایکروسافت منتشر شده‌اند. MAI-Cyber-1-Flash یک ترنسفورمر پراکنده مبتنی بر معماری ترکیب متخصصان است که ۱۳۷ میلیارد پارامتر کلی، پنج میلیارد پارامتر فعال و پنجره زمینه ۲۵۶ هزار توکنی دارد.
این مدل با تنظیم دقیق MAI-Code-1-Flash برای حوزه امنیت سایبری ساخته شده و مدل پایه آن نیز از یک نقطه بازرسی میان‌مرحله‌ای در فرایند آموزش MAI-Thinking-1 توسعه یافته است. MAI-Cyber-1-Flash برای انجام حداکثر ۹۰ درصد وظایف در MDASH، چارچوب چندمدلی مایکروسافت برای ارزیابی آسیب‌پذیری‌ها، طراحی شده است و GPT-5.4 وظیفه رسیدگی به دشوارترین ۱۰ درصد موارد را بر عهده دارد.
مایکروسافت می‌گوید این تقسیم کار در مقایسه با بهترین پیکربندی قبلی MDASH تقریباً نیمی از هزینه را تحمیل می‌کند. این مدل فعلاً فقط درون MDASH اجرا می‌شود و مشتریان تأییدشده این سامانه می‌توانند از طریق پیش‌نمایش خصوصی Azure AI Foundry به آن دسترسی پیدا کنند. درحال‌حاضر هیچ API مستقلی برای استفاده جداگانه از MAI-Cyber-1-Flash ارائه نشده است.
Project Perception لایه هماهنگ‌کننده پیرامون این مدل است و در نخستین گردش کاری خود از MAI-Cyber-1-Flash همراه با مدل‌های پیشرو مانند GPT-5.4 استفاده می‌کند. سه گروه عامل وظایف را تقسیم می‌کنند: عامل‌های قرمز مسیرهای احتمالی مهاجم را بررسی می‌کنند، عامل‌های آبی درباره خطرهای معنادار تحقیق و تصمیم‌گیری می‌کنند و عامل‌های سبز مسئول اصلاح آسیب‌پذیری‌ها و مقاوم‌سازی سامانه هستند.
مایکروسافت می‌گوید برای جلوگیری از همان نقصی که به رهایی مدل‌های اوپن‌ای‌آی منجر شد، همه آزمون‌های معیار را در محیطی جداشده از شبکه اجرا کرده است؛ محیطی که به سامانه‌های عملیاتی، اینترنت عمومی یا خدمات خارجی دسترسی نداشت. در مقابل، سندباکس اوپن‌ای‌آی یک مسیر خروجی را از طریق سرویس داخلی دریافت بسته باز گذاشته بود و مدل‌ها توانستند نقص آن را پیدا کنند.
مدل‌ها پس از کشف این نقص، سطح دسترسی خود را افزایش دادند و در شبکه پژوهشی پیش رفتند تا به دستگاهی دارای اتصال اینترنت رسیدند. مایکروسافت می‌گوید جداسازی محیط آزمایش آن پابرجا مانده است، اما هیچ نهاد مستقلی بیرون از شرکت این ادعا را تأیید نکرده است. بااین‌حال، مسئله دشوارتر صرفاً مهار مدل در زمان آزمون نیست.
Project Perception فعالیت‌ها را از شبکه پژوهشی به محیط‌های عملیاتی مشتریان منتقل می‌کند؛ جایی که عامل‌های سبز در چارچوب عملکرد عادی خود اجازه دارند سامانه‌های زنده را تغییر دهند. در این وضعیت، سندباکسی برای خروج وجود ندارد، زیرا اقدام روی زیرساخت واقعی، خود محصول است. تعیین منشأ اقدامات نیز حتی در صورت نظارت مستقیم کار ساده‌ای نخواهد بود.
هاگینگ فیس ظرف چند روز نفوذ را شناسایی و موضوع را به نهادهای مجری قانون گزارش کرد، اما تا زمانی که اوپن‌ای‌آی مسئولیت را اعلام نکرد، نمی‌دانست چه کسی پشت این عملیات قرار دارد. این شرکت همچنین نتوانست از مدل‌های پیشرو آمریکایی کمک بگیرد، زیرا آن‌ها درخواست‌های دفاعی را تهاجمی تشخیص دادند و از پاسخ‌گویی خودداری کردند.
هاگینگ فیس در نهایت دفاع از زیرساخت خود را با GLM 5.2، یک مدل چینی با وزن‌های باز که روی زیرساخت داخلی اجرا می‌شد، ادامه داد. فعلاً پاسخ صنعت به قابلیت‌های خطرناک، محدودتر کردن توزیع مدل‌ها است؛ بااین‌حال، تنها نمونه مستند از نیاز فوری یک مدافع به چنین توانمندی‌ای، به استفاده از مدلی انجامید که توزیع آن با هیچ دروازه دسترسی محدود نشده بود.