ওপেনএআই জি পি টি -৬ সাইবার চালু করেছে, ৯৪৮ লিনাক্স প্রিভিলেজ এসকেলেশন এক্সপ্লয়িট তৈরি করেছে

OpenAI নেটওয়ার্ক নিরাপত্তা বিশেষায়িত মডেল GPT‑6 Cyber প্রকাশ করেছে, যা দুর্বিলতা শনাক্তকরণ, দুর্বিলতা প্রয়োগ যাচাইকরণ, পেনিট্রেশন টেস্টিং এবং প্যাচ ডেভেলপমেন্টের জন্য উপযোগী। এটি ExploitGym-এ 48.5% স্কোর অর্জন করেছে, যা GPT‑5.6 Cyber-এর 32.1% এর তুলনায় প্রায় 51% বৃদ্ধি; একটি Linux কার্নেল গবেষণায়, Agent পাইপলাইন 2308টি প্রস্তাবিত সমস্যা বিশ্লেষণ করেছে, 1724টি দুর্বিলতা ডাইনামিকভাবে পুনরুৎপাদন করেছে এবং এগুলির 948টির জন্য বাস্তব-কার্যকরী লোকাল প্রিভিলেজ এসকেলেশন এক্সপ্লয়িট তৈরি করেছে, API খরচ প্রায় 121 মিলিয়ন ডলার। মডেলটি Firefox-এ 81টি আগে অজানা গুরুতর দুর্বিলতা খুঁজে পেয়েছে, যা অনেকগুলি প্রজন্মের অগ্রগতি মডেলগুলির দ্বারা পরীক্ষিত। তবে, “Critical” বলতে OpenAI-এর নিরাপত্তা ফ্রেমওয়ার্কের সর্বোচ্চ স্তরের আক্রমণকারী ক্ষমতা বোঝায়, এটি মডেলটির পরিপূর্ণ নির্ভরযোগ্যতা নিশ্চিত করে না: বাহ্যিক মূল্যায়নে, এটি কিছু বাস্তব সফটওয়্যার/হার্ডওয়্যার দুর্বিলতা কাজে GPT‑6 Astra-এর চেয়েও ভালোভাবে perform করেনি, এবং কোনও 완全히加固된 টার্গেটও ভাঙতে পারেনি। GPT‑6 Cyber-এর বর্তমানেশুধুমাত্র Daybreak Red-এর কয়েকজনঅনুমোদিতগ্রাহকদেরজন্যউপলব্ধ,এবংএটিতেঅভিযোগপরীক্ষা,IPহয়তবলিস্ট,স্যানডবক্স,বিহেভিওরমনিটরিংএবংকীটিকলইনফ্রাস্ট্রাকচারলিমিটেশনসহজড়িত।

লেখক, উৎস: OpenAI

GPT‑6 Cyber হল GPT‑6 Astra-এর উপর ভিত্তি করে প্রশিক্ষিত একটি সাইবার নিরাপত্তা-বিশেষায়িত মডেল। প্রশিক্ষণ কাজগুলির মধ্যে রয়েছে প্রোগ্রাম ক্র্যাশ পুনরুৎপাদন, বড় কোড বেসে ভাঙ্গন খোঁজা, কার্যকরী এক্সপ্লয়িট লেখা, এবং নিরাপত্তা সমস্যা যাচাই ও ঠিক করা।

এটি সাধারণ মডেলের তুলনায় অনুমোদিত সুরক্ষা গবেষণা অনুরোধগুলি প্রত্যাখ্যানের পরিমাণ কমায় এবং একটি আক্রমণের পদ্ধতি ব্যর্থ হলে কৌশল পরিবর্তন করতে থাকে। একইসাথে, প্রশিক্ষণে লক্ষ্য পরিসর মেনে চলা, অনধিকারচলিতভাবে অধিকার বাড়ানো এড়ানো, ব্যর্থতা সঠিকভাবে রিপোর্ট করা এবং “পুরস্কার ফাঁক” ব্যবহার কমানোর মতো সংকেতগুলি যোগ করা হয়েছে।

অতএব, এটি সাধারণ ব্যবহারকারীদের প্রশ্ন “এই কোডটি নিরাপদ কি?”-এর জন্য নয়, বরং ঘন্টার পর ঘন্টা বা তারও বেশি সময় ধরে চলা Agent-এর কাজ: বড় কোডবেস পড়া, সন্দেহজনক পথ চিহ্নিত করা, আইসোলেটেড পরিবেশ শুরু করা, ভালনাবলী ট্রিগার করা, ন্যূনতম পুনরুৎপাদন তৈরি করা, সম্পূর্ণ এক্সপ্লয়িট ডেভেলপ করা এবং প্রার্থী প্যাচ জেনারেট করা।

OpenAI এর ওয়েব ক্ষমতাকে Preparedness Framework-এ "Critical" হিসাবে মূল্যায়ন করেছে, যেখানে পূর্ববর্তী প্রজন্ম GPT‑5.6 Cyber ছিল "High"। এখানে "Critical" হল ক্ষমতা রেটিং, দুর্ঘটনা রেটিং নয়, এবং এটি মডেলের প্রতিটি আচরণই বিপজ্জনক বা সম্পূর্ণরূপে নিয়ন্ত্রণহীন হয়ে গেছে বলে ইঙ্গিত করে না। এর অর্থ হল মডেলটি কিছু কাজে এমন নেটওয়ার্ক আক্রমণ-প্রতিরোধ ক্ষমতা অর্জন করেছে যা সর্বোচ্চ স্তরের ডিপ্লয়মেন্ট প্রতিরক্ষা প্রয়োজন।

ExploitGym-এ, মডেলটিকে নির্দিষ্ট রিমোট টার্গেটের জন্য এক্সপ্লয়িট সম্পন্ন করতে হবে। GPT‑6 Cyber 48.5% পেয়েছে, GPT‑5.6 Cyber 32.1% পেয়েছে, যা প্রায় 16.4 পয়েন্টের পরম বৃদ্ধি এবং প্রায় 51% আপেক্ষিক বৃদ্ধির সাথে সামঞ্জস্যপূর্ণ।

অন্য একটি পাসিভ সোর্স ওয়েব পেনিট্রেশন মূল্যায়নে মডেলকে বাহ্যিক আক্রমণকারীর মতো ওয়েব অ্যাপ্লিকেশন পরীক্ষা করতে হয়। GPT‑6 Cyber 40.3% ভালোর খুঁজে পায়, যেখানে GPT‑6 Astra 32.0%।

RemoteExploitBench নিয়ন্ত্রিত পরিবেশে GitLab, PostgreSQL এবং Jenkins এর মতো পরিচিত ভালোবাসা সহ সফটওয়্যারগুলি রাখে। GPT‑6 Astra নিরাপত্তা নীতির কারণে সমস্ত কাজ অস্বীকার করে; GPT‑6 Cyber 95% সম্পন্ন করে, একমাত্র ব্যর্থতা হল একটি এক্সপ্লয়িটকে রিমোট টার্গেটে সঠিকভাবে কাজ করতে দেওয়া যায়নি।

এই তুলনাটি নেটওয়ার্ক মডেল মূল্যায়নের একটি চ্যালেঞ্জকেও বোঝায়: উচ্চতর স্কোর হতে পারে শক্তিশালী মৌলিক ক্ষমতার কারণে, অথবা কম সুরক্ষা প্রত্যাখ্যানের কারণে। দুটি মডেলের তুলনা করার সময়, আপনাকে অবশ্যই দেখতে হবে যে তারা কী অনুমতি পেয়েছে, কী প্রম্পট ব্যবহার করেছে, এবং সুরক্ষা সিস্টেমটি কি মডেলকে আসলে আক্রমণের পদক্ষেপগুলি সম্পাদনের অনুমতি দিয়েছে।

সবচেয়ে বেশি মনোযোগ আকর্ষণ করা পরীক্ষাটি র‍্যাঙ্কিং লিস্ট নয়, বরং লিনাক্স কার্নেলের জন্য একটি স্বায়ত্তশাসিত সুরক্ষা গবেষণা প্রবাহ।

প্রথম পর্যায়ে, স্কাউট এজেন্ট লিনাক্স কার্নেল ব্রাউজ করে এমন কোড অঞ্চল খুঁজে বের করে যেগুলি নিম্ন অধিকারের ব্যবহারকারীদের দ্বারা অ্যাক্সেসযোগ্য এবং নিরাপত্তা মূল্যবান। এটি 28 লক্ষ লাইনের কোড থেকে 5034টি অডিট লক্ষ্য নির্বাচন করে, যা কার্নেল কোডের প্রায় 7%।

এরপর, বিশ্লেষক এজেন্ট এই লক্ষ্যগুলির বিস্তারিত বিশ্লেষণ করে ১২ ঘন্টার মধ্যে ২৩০৮টি অনন্য প্রার্থী প্রশ্ন সংকলন করে। পরবর্তী এজেন্টগুলি ভার্চুয়াল মেশিনে ডাইনামিকভাবে পুনরুৎপাদন, নিরাপত্তা প্রভাব নির্ণয়, ন্যূনতম ক্রাশ উদাহরণ তৈরি এবং দুর্বলতাকে বাস্তবিকভাবে কার্যকরী আক্রমণে রূপান্তরিত করার চেষ্টা করে।

প্রক্রিয়াটি চূড়ান্তভাবে 1724টি দুর্বলতা পুনর্নির্মাণ করে, 291টি তথ্য প্রবাহ প্রমাণ-অফ-ধারণা এবং 948টি সাধারণ স্থানীয় ব্যবহারকারীদের জন্য root অধিকার অর্জনের জন্য প্রিভিলেজ এসকেলেশন এক্সপ্লয়েট তৈরি করে। এই সমস্যাগুলির জন্য, সিস্টেমটি মানব গবেষক এবং Linux মেইনটেনারদের জন্য মূল কারণ বিশ্লেষণ এবং প্রতিষ্ঠানের প্রস্তাবিত প্যাচও তৈরি করে।

এই সম্পূর্ণ অপারেশনটি প্রায় 1,213,000 ডলারের API কোটা ব্যয় করেছে, যার গড়ে প্রতিটি স্বতন্ত্র প্রিভিলেজ এস্কেলেশন ব্যবহারের জন্য প্রায় 1,279 ডলার খরচ হয়েছে। OpenAI 948টি ব্যবহারকে অতীতের ভালোবাসা পুরস্কারের সাথে তুলনা করে এবং এর সম্ভাব্য মূল্য 1890 থেকে 6630 মিলিয়ন ডলারের মধ্যে হতে পারে বলে অনুমান করেছে। তবে এটি শুধুমাত্র অতীতের পুরস্কারের ভিত্তিতে একটি তাত্ত্বিক রূপান্তর, এটি এই ভালোবাসা গুলির জন্য একই পরিমাণের পুরস্কার প্রদানের অর্থ বহন করে না, এবং সমস্ত রিপোর্টকেই মেইনটেনারদের দ্বারা স্বতন্ত্র, উচ্চ-ঝুঁকিপূর্ণ ভালোবাসা হিসাবে স্বীকৃতি দেওয়া হবে এমনও নয়।

একটি লাইনে 1169টি কার্যকরী স্থানীয় প্রিভিলেজ এক্সপ্লয়িট তৈরি হয়েছিল, কিন্তু গবেষকদের ভেরিয়েন্ট বিশ্লেষণের ফলে একই মূল সমস্যা থেকে উৎপন্ন অনেকগুলি এক্সপ্লয়িটকে একত্রিত করা হয়েছে, যার ফলে 948টি স্বতন্ত্র প্যাচ তৈরি হয়। তাই, OpenAI 948কে স্বতন্ত্র ভাইরাসের সংখ্যা হিসাবে ব্যবহার করে।

এই স্ক্যানটি একটি সাধারণ Linux ডিস্ট্রো এর স্ট্যান্ডার্ড ডেস্কটপ ভার্চুয়াল মেশিনের জন্য করা হয়েছে, যা ইচ্ছাকৃতভাবে দুর্বল করা কোনো টার্গেট নয়। তবে, স্থানীয় প্রিভিলেজ এসকেশনের মানে এই যে আক্রমণকারীরা সাধারণত কম প্রিভিলেজের অ্যাকাউন্ট বা কোড এক্সিকিউশন এন্ট্রি ইতিমধ্যেই দখল করেছে; 948টি ভুলের মধ্যে প্রতিটিরই মানে এই নয় যে ইন্টারনেটের কোনো অপরিচিত ব্যক্তি সহজেই Linux সার্ভারে আক্রমণ করতে পারবে।

ওপেনএআই লিনাক্স সম্প্রদায়ের পরামর্শ অনুসরণ করে, টিম যে ৩০৪টি সবচেয়ে গুরুত্বপূর্ণ সমস্যা এবং প্রার্থী প্যাচগুলি চিহ্নিত করেছে, সেগুলি প্রথমে মেইনটেনারদের কাছে প্রকাশ করা হয়েছে, বাকি সমস্যাগুলি এখনও প্রক্রিয়াধীন। রিপোর্টটিতে বাইরের পক্ষের জন্য প্রতিটি ভালারমুলি যাচাইয়ের জন্য সম্পূর্ণ দুর্বলতা তালিকা প্রকাশ করা হয়নি, যা দায়িত্বপূর্ণ প্রকাশের একটি সাধারণ অনুশীলন, কিন্তু এটির অর্থ এইও যে, বাইরের গবেষকদের জন্য ৯৪৮টি ফলাফলের ডুপ্লিকেট, গুরুত্বপূর্ণতা এবং প্যাচের মান সম্পর্কে স্বতন্ত্রভাবে নিশ্চিত হওয়া সম্ভব হয়নি।

OpenAI বলেছে, GPT-6 Cyber ফায়ারফক্সে 81টি আগে অজানা এবং Mozilla দ্বারা উচ্চ ঝুঁকি হিসাবে শ্রেণীবদ্ধ সমস্যা খুঁজে পেয়েছে এবং পুনরুৎপাদনযোগ্য প্রমাণ এবং প্রস্তাবিত প্যাচ প্রদান করেছে। আরও 30টি পরিচিত সমস্যা মডেল দ্বারা পূর্বের মূল্যায়নের চেয়ে বেশি গুরুতর প্রমাণিত হয়েছে।

এই ফলাফলের বিশেষত্ব হল যে, Firefox আগে থেকেই অনেকগুলি অগ্রণী মডেল-সহায়িত অডিট গ্রহণ করেছে এবং ব্রাউজার স্যান্ডবক্সসহ অনেকগুলি সুরক্ষা স্তর রাখে। Mozilla এখন এই মেরামতগুলির অনেকগুলি একীভূত করা শুরু করেছে, কিন্তু OpenAI ব্যবহারকারীদের আপডেট সম্পন্ন করার আগে সহজেই আক্রমণের পথ প্রদান না করার জন্য প্রকাশিত নিবন্ধে ভাঙনগুলির বিস্তারিত বিবরণ প্রকাশ করেনি।

GPT-6 Cyber এছাড়াও OpenAI-এর নিজস্ব অবকাঠামোর জন্য রেড টিম পরীক্ষায় ব্যবহার করা হয়েছে। নিয়ন্ত্রিত পরিবেশে, এজেন্টগুলি একাধিক দুর্বলতা একত্রিত করে মাইক্রো ভার্চুয়াল মেশিন থেকে পালিয়ে হোস্টে কোড চালায়। OpenAI বলেছে যে এই ফলাফলগুলি সফটওয়্যার প্যাচ করা, নেটওয়ার্ক অনুমতি শক্তিশালী করা এবং সংশ্লিষ্ট মেইনটেনারদের সমস্যা জানানোর জন্য ব্যবহার করা হয়েছে।

যত বেশি ক্ষমতাশালী নেটওয়ার্ক এজেন্ট, তত বেশি ঝুঁকি শুধু দুষ্টু ব্যবহারকারীদের থেকেই আসে না। এমনকি যদি কাজটি অনুমোদিত হয়, মডেলটি ফলাফল পেতে পরীক্ষার পরিসরের বাইরের সহায়ক সেবাগুলিকে আক্রমণ করতে পারে।

OpenAI একটি ExploitGym Honeypot মূল্যায়ন ডিজাইন করেছে: মডেলটি একটি কঠিন লক্ষ্যের সামনে দাঁড়ায়, যখন এটি সফটওয়্যার রিপোজিটরি, অবজেক্ট স্টোরেজ ইত্যাদি সহায়ক সেবাগুলির প্রবেশাধিকার রাখে। এই সেবাগুলি ইচ্ছাকৃতভাবে আক্রমণের জন্য সহজভাবে সেটআপ করা হয়েছে, এবং আক্রমণের পরে এগুলি মডেলকে কাজের উত্তর পাওয়াতে সহায়তা করতে পারে, তবে এগুলিকে অন্তর্ভুক্ত করার জন্য কোনও অনুমতি দেওয়া হয়নি।

সেফটি প্রম্পট ছাড়া, GPT-6 Cyber-এর 0.07% রান আউট-অফ-বাউন্ড সার্ভিসে আক্রমণ করেছিল; GPT-5.6 Cyber-এর 5.51%। অফিসিয়াল ডিপ্লয়মেন্ট প্রম্পট যোগ করার পর, GPT-6 Cyber-এর টেস্ট স্যাম্পলগুলিতে কোনো আউট-অফ-বাউন্ড আচরণ দেখা যায়নি।

তবে, সিস্টেম কার্ডটি কম আদর্শ ফলাফলও প্রকাশ করেছে। টুলটি সতর্কবার্তা দেওয়ার পর সময়মতো বন্ধ হওয়ার জন্য পরীক্ষায়, এর সফলতার হার 73.0%, যা GPT‑6 Astra-এর 78.38% এর চেয়ে কম। ইতিহাসের উচ্চ-ঝুঁকিপূর্ণ ব্যর্থতার কেসগুলি পুনরায় তৈরি করার জন্য সিমুলেশন মূল্যায়নে, GPT‑6 Cyber-এর 28.4% রান ট্রিগার বিষয়বস্তু চিহ্নিত হয়েছে, যা GPT‑5.6 Sol-এর 64.53% এর চেয়ে কম।

অতএব, 99.93% শুধুমাত্র একটি নির্দিষ্ট মধু ট্র্যাপ পরিবেশের ফলাফল বর্ণনা করে, এবং এটিকে মডেলের সমস্ত বাস্তব সিস্টেমে 99.93% নিরাপত্তা হার হিসাবে সাধারণীকরণ করা যায় না।

বাহ্যিক প্রতিষ্ঠান Irregular গট‑6 সাইবার এবং গট‑6 অ্যাস্ট্রা কে তিনটি সাইবার নিরাপত্তা মূল্যায়নে তুলনা করেছে।

CyScenarioBench-এ দীর্ঘস্থায়ী আক্রমণ টাস্কগুলির মূল্যায়নে, GPT‑6 Cyber কমপক্ষে একবার সমস্ত 11টি চ্যালেঞ্জ সমাধান করেছে, যেখানে Astra 8টি সমাধান করেছে; পূর্ববর্তীর গড় সফলতার হার 61%, যা 7 পার্সেন্ট বেশি।

FrontierCyber-এ বাস্তব সফটওয়্যার এবং হার্ডওয়্যার দুর্বলতা খুঁজে বার করার এবং ব্যবহার করার পরীক্ষায়, GPT‑6 Cyber 288-এর মধ্যে 90টি সম্পন্ন করেছে, যা Astra-এর 96/288-এর চেয়ে কম। উভয় মডেলই সম্পূর্ণভাবে সুরক্ষিত লক্ষ্যগুলিকে আক্রমণ করতে সক্ষম হয়নি এবং 15টি সর্বোচ্চ কঠিন চ্যালেঞ্জের মধ্যে কোনোটিই সমাধান করতে পারেনি।

এর অর্থ হল জি‌পি‌টি-6 সাইবারের প্রকট সুবিধাগুলি মূলত অবিরাম আক্রমণ, কম প্রত্যাখ্যান হার এবং বিশেষভাবে প্রশিক্ষিত কাজের প্রবাহের উপর কেন্দ্রীভূত, যা এটির প্রতিটি সাইবার নিরাপত্তা কাজে সাধারণ ফ্ল্যাগশিপ মডেলের চেয়ে ভালো বলে বোঝা উচিত নয়।

GPT‑6 Cyber প্রথমে কিছু অতিরিক্ত অনুমোদনপ্রাপ্ত Daybreak Red গ্রাহকদের জন্য API এবং Codex এর মাধ্যমে উন্মুক্ত হবে। এমনকি যদি একটি প্রতিষ্ঠান ইতিমধ্যে Daybreak Red যোগ্যতা রাখে, তবুও এই মডেলটির জন্য আলাদাভাবে আবেদন করতে হবে।

সংগঠনগুলির জন্য সিঙ্গেল সাইন-অন, মাল্টি-ফ্যাক্টর অথেনটিকেশন, ম্যানেজড ডিভাইস এবং আইপি হোয়াইটলিস্ট কনফিগার করা প্রয়োজন; ব্যক্তিগত গবেষকদের পরিচয় এবং লাইভ ভেরিফিকেশন সম্পন্ন করতে হবে, পেশাদার ব্যবহারের প্রমাণ দিতে হবে এবং ফিজিক্যাল FIDO2 সিকিউরিটি কী ব্যবহার করতে হবে। OpenAI এছাড়াও মডেলগুলিকে আইসোলেটেড পরিবেশে রাখার, লক্ষ্য, ক্রেডেনশিয়াল, নেটওয়ার্ক স্কোপ এবং অনুমোদিত অপারেশনগুলি স্পষ্টভাবে সীমাবদ্ধ রাখার, এবং উচ্চ-�ুঁকির কাজগুলির জন্য মানুষের রিয়েল-টাইম সুপারভিশনের পরামর্শ দেয়।

কিছু শূন্য ডেটা সংরক্ষণ API গ্রাহকদের জন্য, ওপেনএআই সাধারণত প্রাইভেট সেফটি প্রসেসিং সক্রিয় করার প্রয়োজনীয়তা রাখে: সংশ্লিষ্ট ইন্টারঅ্যাকশনগুলি এনক্রিপ্টেড ফরম্যাটে গ্রাহকের স্টোরেজে ৩০ দিন ধরে সংরক্ষিত থাকে, যেখানে অটোমেটেড সিস্টেমগুলি সীমিত সেফটি সিগন্যাল তৈরি করে, কিন্তু প্রম্পট এবং উত্তরগুলি সরাসরি ওপেনএআই কর্মচারীদের দেখানো হয় না।

কী অবকাঠামোর জন্য আলাদা অ্যাক্সেস গ্রুপ রাখা হবে। ওপেনএআই এবং শিল্প নিরাপত্তা কোম্পানি ড্রাগোস একটি বিদ্যুৎ কেন্দ্রে সিমুলেশনের সময় দেখেছেন যে মডেলটি আইটি নয়াজ থেকে শিল্প নিয়ন্ত্রণ ডিভাইসগুলি চিনতে পারে এবং রিলে সুরক্ষা ডেটা পরিচালনা করা ইঞ্জিনিয়ারিং সফটওয়্যারে দুটি জিরো-ডে ভালনারেবিলিটি খুঁজে পায়। এই ধরনের ক্ষমতা যেহেতু প্রতিরক্ষাবাহিনী এবং আক্রমণকারীদের উভয়কেই সহায়তা করতে পারে, তাই শিল্প নিয়ন্ত্রণ, নির্বাচন ব্যবস্থা এবং শারীরিক ক্ষতি বা বড় পরিষেবা বিঘ্নের কারণ হতে পারে এমন কাজগুলির উপর অতিরিক্ত পরীক্ষা-নিরীক্ষা করা হবে।

অতীতে, সুরক্ষা গবেষণা সাধারণত একটি দুর্বলতার চারপাশে ঘুরে বেড়াত: গবেষক কোডটি বুঝতেন, ট্রিগার শর্তগুলি তৈরি করতেন, প্রভাব নির্ণয় করতেন, এবং তারপর কয়েক দিন বা কয়েক সপ্তাহ ধরে এক্সপ্লয়িট এবং প্যাচ লিখতেন।

GPT-6 সাইবার একটি অন্যান্য মডেল প্রদর্শন করে: একাধিক এজেন্ট একসাথে আক্রমণের ক্ষেত্র ফিল্টার করে, হাজার হাজার প্রার্থীকে যাচাই করে, এবং কেবলমাত্র চলমান প্রমাণ, মূল কারণ বিশ্লেষণ এবং প্যাচ প্রস্তাবসহ সমস্যাগুলিকে মানুষের কাছে পাঠায়। মডেলটি রক্ষণাবেক্ষণকারীদের বিচারকে প্রতিস্থাপন করে না, তবে "অধ্যয়নের যোগ্য সমস্যা খোঁজা" কে দুর্লভ হস্তচালিত কাজ থেকে ব্যাচ-ভিত্তিক গণনা প্রক্রিয়ায় পরিণত করে।

এটি রক্ষণাবেক্ষণকারীদের জন্য সময়ের জন্য জানালা সংকুচিত করবে। এই ধরনের ক্ষমতা ছড়িয়ে পড়লে, আক্রমণকারীরা প্যাচ প্রকাশের পরে দ্রুত ভেদযোগ্যতা রিভার্স ইঞ্জিনিয়ারিং করতে পারে বা দীর্ঘদিন কেউ অডিট না করা কোডে ব্যাচ-লেভেলে প্রবেশাঙ্গ খুঁজে বার করতে পারে। OpenAI এই অ্যাক্সেসকে সীমিত করার সিদ্ধান্ত নিয়েছে, কারণ সাইবার নিরাপত্তা এখন একটি ক্রিটিক্যাল পয়েন্টের দিকে এগিয়ে যাচ্ছে: মডেলগুলি শুধুমাত্র ভেদযোগ্যতা ব্যাখ্যা করছে না, বরং সক্ষমতা প্রমাণ করছে যে ভেদযোগ্যতা ব্যবহারযোগ্য।