شرکت بلژیکی آیکیدو سکیوریتی آلتر-1 را معرفی کرده است، مدلی هوش مصنوعی برای کشف آسیبپذیری و تحلیل کد که میتواند روی زیرساخت محلی سازمان اجرا شود.
آیکیدو میگوید در دسترس بودن وزنهای مدل و امکان استقرار محلی آن با هدف کاهش وابستگی به خدمات ابری و جلوگیری از خروج کد حساس و نتایج امنیتی از شبکههای داخلی طراحی شدهاند.
آلتر-1 از پایه آموزش داده نشده است. آیکیدو آن را بر پایه GLM-5.3 از زد.ایآی ساخته و با کوانتیزهسازی و پرونینگ (حذف بخشهای تخصصی) اندازه مدل را کاهش داده است.
آیکیدو میگوید نسخه کامل GLM-5.3 حدود 1.51 ترابایت وزن دارد که با کوانتیزهسازی تا 488 گیگابایت کاهش یافت و با پرونینگ به 328 گیگابایت رسید.
در فرایند پرونینگ آیکیدو 88 بخش از 256 بخش تخصصی را حذف کرد، تقریباً 34.4 درصد از متخصصها.
آیکیدو میگوید آلتر-1 برای شناسایی آسیبپذیریهای نرمافزاری، تحلیل کد، فراخوانی ابزارها، استدلال و گردشکارهای تست نفوذ بهینهسازی شده و میتواند با استفاده از vLLM روی چهار کارت H200 اجرا شود.
شرکت بر اهمیت این مدل برای سازمانهایی تأکید میکند که نمیتوانند اجازه خروج کد یا دادههای امنیتی از شبکههای داخلی را بدهند، بهویژه در بانکداری، مراقبتهای بهداشتی و محیطهای زیرساخت حیاتی.
برای ارزیابی، آیکیدو آلتر-1 را روی مجموعهای از 32 آسیبپذیری شناختهشده در 30 مخزن کد آزمایش کرد. آلتر-1 بهطور کلی 60.4 درصد از آسیبپذیریها را شناسایی کرد و دستکم یک نمونه از 23 مورد از 32 مسئله را یافت.
بهطور مقایسهای، آیکیدو نرخ تشخیص GLM-5.3 کوانتیزهشده را 61.5 درصد و نسخه اصلی GLM-5.3 را 65.6 درصد گزارش میکند. آیکیدو این آزمایش را اجرا کرده و هشدار میدهد که نتایج لزوماً عملکرد مدل روی آسیبپذیریهای ناشناخته یا در شرایط واقعی را منعکس نمیکنند.
.avif)
آیکیدو میگوید آلتر-1 اولین گام در برنامه آیکیدو لبز برای توسعه مدلهای اختصاصی امنیتی برای پژوهش آسیبپذیری، تحلیل کد، رفعهای خودکار و تست نفوذ پیشرفته است. وزنهای مدل روی هاگینگفِیس منتشر شده و استقرار محلی پشتیبانی میشود.
یادداشت فنی: صفحه هاگینگفِیس آلتر-1 را تقریباً بهعنوان مدلی با 504 میلیارد پارامتر فهرست میکند، در حالی که رقم 328 گیگابایت به اندازه وزنهای INT4 اشاره دارد؛ آیکیدو هشدار میدهد این دو عدد معادل یکدیگر نیستند.
.avif)
نظر بگذارید
نظرات
هنوز نظری ثبت نشده. اولین نفر باشید.