Natuklasan ng Mythos AI ni Anthropic ang 23,000 mga vulnerability sa open-source, kabilang ang isang OpenBSD na bug na 27 taon na

iconCryptoBriefing
I-share
Share IconShare IconShare IconShare IconShare IconShare IconCopy
AI summary iconSummary

expand icon
Ang Mythos AI ni Anthropic, bahagi ng AI + crypto news, ay natuklasan ang 23,000 open-source vulnerabilities, kabilang ang isang 27-taong-lumang kahinaan sa OpenBSD at isang 16-taong-lumang isyu sa FFmpeg. Sa mga ito, ang 1,726 ay mataas o kritikal ang antas ng panganib, at higit sa 99% ay hindi pa pinagtapat. Ipinakilala ng kumpanya ang Project Glasswing, na nag-aalok ng hanggang $100 milyon sa model credits para sa mga kasosyo tulad ng AWS, Apple, at Google. Ang mga panganib sa security breach ay nananatiling mataas dahil sa maraming kahinaan na hindi pa nalulutas.

Ang pinakabagong AI model ni Anthropic ay naghanap ng mga bug sa open-source software. Nahanap ito ng marami.

Ang Claude Mythos Preview, ang autonomous vulnerability detection model ng kumpanya, ay nakakita ng higit sa 23,000 potensyal na security vulnerabilities sa higit sa 1,000 open-source projects mula sa OSS-Fuzz corpus. Sa mga ito, 1,726 ay napatotohanan sa pamamagitan ng panlabas na pagsusuri. Higit sa 1,000 sa mga napatotohanang bug ay rate na high o critical severity.

Mga bug na nakaraang dekada, bago lang naibahagi

Sa mga butas na tinalakay ni Mythos: isang 27-taong-lumang security flaw sa OpenBSD at isang 16-taong-lumang vulnerability sa FFmpeg. Parehong malawakang ginagamit, mga pangunahing bahagi ng open-source infrastructure.

Pamamahayag

Higit sa 99% ng mga zero-day vulnerability na natuklasan ng Mythos ay hindi pa nalulutas sa panahon ng pagpapahayag, ayon sa mga pagsusuri ng modelo.

Ang Project Glasswing at ang pagsisiguro ng $100 milyon

Ipinakilala ni Anthropic ang Project Glasswing, isang kontroladong konsorsiyum na nagbibigay ng access sa Mythos Preview sa mga piliing kasapi upang matukoy at harapin ang mga kritikal na vulnerability sa kanilang sariling software.

Ang listahan ng mga kasosyo ay kasama ang AWS, Apple, Google, Microsoft, NVIDIA, at JPMorgan Chase. Sinumpa ng Anthropic ang hanggang $100 milyon sa credits para sa paggamit ng modelo upang suportahan ang pagsisikap na ito. Bukod dito, higit sa $4 milyon ang natukoy partikular para sa pagpapalakas ng kaligtasan ng mga open-source project.

Sa pamamagitan ng paglalagay ng Mythos sa isang programa na may kontroladong pag-access kaysa maglabas nito nang malawak, pinapanatili ng Anthropic ang isang propiyetaryong kahusayan. Kumikilos na ang mga diskusyon tungkol sa kung maaari bang maisagawa ang katulad na paghahanap ng mga vulnerable na punto gamit ang mga modelo na available sa publiko.

Ano ang ibig sabihin nito sa larangan ng cybersecurity

Ang paghahanap ng higit sa 23,000 potensyal na vulnerabilities sa isang pagkakataon, kasama ang higit sa 1,000 na kumpirmadong may mataas o kritikal na antas ng gravidad, ay naglilipat sa usapan mula sa teoretikal patungo sa operasyonal.

Ang 1,726 na kumpirmadong vulnerabilities ay kailangan pa ng panlabas na pagsusuri para sa pagpapatotoo. Dahil higit sa 99% ng zero-days na natuklasan ni Mythos ay hindi pa na-patch sa pagpapahayag, ang pag-patch at pagpapabuti ay hindi nakatugon sa bilis ng mga natuklasan ng AI.

Disclaimer: Ang information sa page na ito ay maaaring nakuha mula sa mga third party at hindi necessary na nagre-reflect sa mga pananaw o opinyon ng KuCoin. Ibinigay ang content na ito para sa mga pangkalahatang informational purpose lang, nang walang anumang representation o warranty ng anumang uri, at hindi rin ito dapat ipakahulugan bilang financial o investment advice. Hindi mananagot ang KuCoin para sa anumang error o omission, o para sa anumang outcome na magreresulta mula sa paggamit ng information na ito. Maaaring maging risky ang mga investment sa mga digital asset. Pakisuri nang maigi ang mga risk ng isang produkto at ang risk tolerance mo batay sa iyong sariling kalagayang pinansyal. Para sa higit pang information, mag-refer sa aming Terms ng Paggamit at Disclosure ng Risk.