پژوهش جدید شرکت Vals نشان می‌دهد مدل‌های هوش مصنوعی وزن باز، به توانایی‌هایی نزدیک به مدل‌های پیشرفته و محدودشده در حوزه هک شبکه‌های کامپیوتری دست یافته‌اند. این نتایج می‌تواند سیاست شرکت‌های بزرگ هوش مصنوعی برای محدود کردن دسترسی به مدل‌های قدرتمند را با چالش روبه‌رو کند.

شرکت Vals که عملکرد مدل‌های هوش مصنوعی را در زمینه امنیت سایبری ارزیابی می‌کند، توانایی چند مدل را در اجرای وظایف پیچیده و چندمرحله‌ای روی شبکه‌های سازمانی شبیه‌سازی‌شده بررسی کرده است. هدف این آزمایش، سنجش توانایی مدل‌ها در انجام فرایندهای مختلف نفوذ به شبکه و دستیابی به اهداف تعیین‌شده بود.

در این ارزیابی، مدل Daybreak متعلق به OpenAI که تنها در اختیار شرکای مورد اعتماد این شرکت قرار دارد، بالاترین عملکرد را ثبت کرد. این مدل به‌طور میانگین توانست ۸۱ درصد از وظایف تعیین‌شده را انجام دهد. دیپ‌سیک مدل هوش مصنوعی چینی، نیز با دستیابی به میانگین موفقیت ۷۳ درصدی در جایگاه نزدیک به آن قرار گرفت.

پژوهشگران Vals اعلام کردند این دو مدل در برخی وظایف عملکرد یکسانی داشته‌اند؛ موضوعی که نشان می‌دهد فاصله میان مدل‌های اختصاصی و مدل‌های قابل دانلود در حوزه امنیت سایبری در حال کاهش است.

مدل هوش مصنوعی چینی حملات سایبری را ارزان‌تر می‌کند

یکی از نکات مهم این پژوهش، اختلاف هزینه استفاده از مدل‌های هوش مصنوعی برای انجام فعالیت‌های سایبری است. برآورد Vals نشان می‌دهد اجرای یک حمله با GPT-6-Sol بین ۱۷ تا ۴۶ دلار هزینه دارد، درحالی‌که این رقم برای DeepSeek به حدود ۲ تا ۳ دلار می‌رسد.

مدل‌های وزن باز به کاربران اجازه می‌دهند وزن‌ها و ساختار اصلی مدل را دریافت کنند و آن را روی سخت‌افزار شخصی یا زیرساخت‌های خود اجرا کنند. همین ویژگی می‌تواند هزینه استفاده از قابلیت‌های پیشرفته هوش مصنوعی را کاهش دهد و دسترسی به آن‌ها را گسترده‌تر کند.

رایان کریشنان، مدیرعامل شرکت  Vals، معتقد است این مزیت اقتصادی برای متخصصان امنیت سایبری نیز اهمیت دارد. سازمان‌ها می‌توانند از مدل‌های متن‌باز برای شناسایی آسیب‌پذیری‌ها و تقویت دفاع سایبری استفاده کنند و وابستگی کمتری به ابزارهای اختصاصی داشته باشند.

با این حال، کاهش هزینه دسترسی به چنین قابلیت‌هایی می‌تواند برای مهاجمان نیز جذاب باشد و اجرای برخی فعالیت‌های سایبری پیچیده را آسان‌تر کند.

محدودسازی مدل‌های پیشرفته هوش مصنوعی زیر سؤال رفت

شرکت‌های بزرگ هوش مصنوعی در ماه‌های گذشته تلاش کرده‌اند دسترسی به مدل‌های قدرتمند و دارای قابلیت‌های پیشرفته امنیت سایبری را کنترل کنند. Anthropic یکی از شرکت‌هایی است که با محدود کردن دسترسی به مدل‌های جدید خود، تلاش کرده فرصت بیشتری برای شناسایی و رفع آسیب‌پذیری‌ها در اختیار مدافعان امنیت قرار دهد.

این شرکت در آوریل مدل Claude Mythos Preview را معرفی کرد و از طریق پروژه Glasswing، دسترسی محدودی به قابلیت‌های آن برای سازمان‌های منتخب فراهم کرد. هدف این اقدام، استفاده از توانایی‌های هوش مصنوعی برای شناسایی نقاط ضعف نرم‌افزاری پیش از آن بود که مهاجمان بتوانند از آن‌ها بهره‌برداری کنند.

با این حال، پیشرفت مدل‌های متن‌باز نشان می‌دهد محدودسازی دسترسی به مدل‌های اختصاصی ممکن است نتواند برای مدت طولانی مانع انتشار قابلیت‌های پیشرفته هک شود.

نیکیل راوی، پژوهشگر  Vals، می‌گوید مدل‌هایی که پیش‌تر تنها در آزمایشگاه‌های هوش مصنوعی و از طریق برنامه‌های دسترسی محدود در اختیار متخصصان قرار داشتند، اکنون با مدل‌هایی رقابت می‌کنند که هر فردی می‌تواند آن‌ها را دانلود کند.

هوش مصنوعی تهدیدهای سایبری را گسترده‌تر می‌کند؟

در ماه‌های اخیر، هوش مصنوعی به خودکارسازی فعالیت‌هایی مانند شناسایی آسیب‌پذیری‌های نرم‌افزاری و بررسی شبکه‌ها برای پیدا کردن نقاط ضعف کمک کرده است. این فناوری می‌تواند سرعت و مقیاس عملیات سایبری را افزایش دهد و هم‌زمان برای شناسایی تهدیدها و تقویت دفاع سازمان‌ها به کار گرفته شود.

با این حال، کارشناسان هنوز درباره اینکه هوش مصنوعی ماهیت امنیت سایبری را تغییر داده یا تنها توانایی مهاجمان و مدافعان را افزایش داده است، اختلاف نظر دارند.

بررسی فعالیت مهاجمان واقعی نیز نشان می‌دهد بسیاری از گروه‌های مجرم سایبری و مهاجمان وابسته به دولت‌ها همچنان از مدل‌های قدیمی‌تر و کم‌هزینه‌تر استفاده می‌کنند. بنابراین، افزایش توانایی مدل‌های پیشرفته به معنای استفاده فوری و گسترده از آن‌ها در تمام حملات سایبری نیست.

الکس زنلا، هم‌بنیان‌گذار و مدیر فناوری شرکت امنیت ابری  Edera، معتقد است مدل‌های متن‌باز اکنون توانایی ایجاد آسیب‌پذیری‌ها و اجرای حملات پیشرفته را دارند. او در عین حال تأکید می‌کند آزمایشگاه‌های بزرگ هوش مصنوعی ممکن است مدل‌های منتشرنشده‌ای در اختیار داشته باشند که همچنان از مدل‌های متن‌باز قدرتمندتر باشند.

رقابت مدل‌های هوش مصنوعی و آینده امنیت سایبری

یافته‌های جدید Vals نشان می‌دهد فاصله میان مدل‌های اختصاصی و متن‌باز در حوزه امنیت سایبری کاهش یافته است. دسترسی آسان‌تر و هزینه پایین‌تر مدل‌هایی مانند DeepSeek می‌تواند فرصت‌های تازه‌ای برای متخصصان امنیت ایجاد کند، اما در عین حال احتمال استفاده مهاجمان از قابلیت‌های پیشرفته هوش مصنوعی را افزایش می‌دهد.

کارشناسان معتقدند سازمان‌ها باید خود را برای شرایطی آماده کنند که ابزارهای قدرتمند شناسایی آسیب‌پذیری و نفوذ سایبری در دسترس طیف گسترده‌تری از کاربران قرار بگیرد. در چنین شرایطی، سرعت شناسایی و رفع آسیب‌پذیری‌ها و تقویت زیرساخت‌های امنیتی اهمیت بیشتری پیدا می‌کند.

نتایج این پژوهش نشان می‌دهد رقابت در حوزه هوش مصنوعی و امنیت سایبری وارد مرحله تازه‌ای شده است؛ مرحله‌ای که در آن، برتری مدل‌های اختصاصی دیگر قطعی نیست و دسترسی گسترده به مدل‌های متن‌باز می‌تواند موازنه توانایی مهاجمان و مدافعان را تغییر دهد.