اوپن اے آئی نے GPT-6 سائبر لانچ کیا، جس نے 948 لینکس بریویلیج اسکیلیشن ایکسپلوٹس تیار کیے

اوپن اے آئی نے سائبر سیکیورٹی کے لیے مخصوص ماڈل GPT‑6 Cyber جاری کیا ہے، جو کمزوریوں کی دریافت، کمزوریوں کی تصدیق، پینیٹریشن ٹیسٹنگ اور پیچھ کے ترقی کے لیے ہے۔ یہ ماڈل ExploitGym پر 48.5% کا اسکور حاصل کرتا ہے، جو GPT‑5.6 Cyber کے 32.1% کے مقابلے میں تقریباً 51% کا نسبتی بہتری ہے؛ ایک لینکس کرنل تحقیق میں، ایجینٹ پائپ لائن نے 2308 امکانی مسائل کا تجزیہ کیا، 1724 کمزوریوں کو ڈائنانمک طور پر دوبارہ بنایا، اور ان میں سے 948 کے لیے عملی طور پر چلنے والے مقامی ارتقاء کے استعمال تیار کیے، جس کی API لاگت تقریباً 1.21 ملین امریکی ڈالر ہے۔ ماڈل نے متعدد نسلوں کے سرٹھ ماڈلز کے ذریعے چیک کیے گئے Firefox میں 81 پہلے سے نہ جانے والے اعلیٰ خطرہ والے کمزوریاں بھی دریافت کیں۔ تاہم، "اہم" کا مطلب ہے کہ حملہ کرنے کی صلاحیت OpenAI کے سیکورٹی فریم ورک کے سب سے اعلیٰ درجے تک پہنچ گئی ہے، لیکن اس کا مطلب یہ نہیں کہ ماڈل مکمل طور پر قابلِ اعتماد ہے: باہری جائزہ میں، اس نے کچھ حقیقی سافٹ وئیر اور ہارڈ وئیر کمزوریوں پر عام GPT‑6 Astra سے زیادہ نہیں کام کیا، اور کسی بھی مکمل طور پر مضبوط ہدف کو توڑنے میں ناکام رہا۔ GPT‑6 Cyber فی الحال صرف محدود تعداد میں منظور شدہ Daybreak Red صارفین کے لیے دسترس یافتہ ہے، جس میں شناخت تصدیق، IP وائٹ لسٹنگ، سینڈ باکس، روایت نگرانی اور اہم بنیادی ڈھانچے کے پابندیاں شامل ہیں۔

مضمون کے مصنف، ذریعہ: OpenAI

GPT‑6 Cyber، GPT‑6 Astra پر مبنی ایک سائبر سیکیورٹی کے لیے خصوصی ماڈل ہے۔ تربیت کے کاموں میں پروگرام کے کریش کو دوبارہ بنانا، بڑے کوڈ بیس میں خامیاں تلاش کرنا، قابل عمل ایکسپلوٹس لکھنا، اور سیکیورٹی مسائل کی تصدیق اور درست کرنا شamil ہے۔

اس کا مقابلہ عام ماڈل کے ساتھ کیا گیا ہے، جس سے اجازت یافتہ سیکورٹی ریسرچ کے درخواستوں کو مسترد کرنے کا احتمال کم ہو جاتا ہے اور ایک حملے کی منصوبہ بندی ناکام ہونے کے بعد دوسری حکمت عملی اختیار کی جاتی ہے۔ اس کے علاوہ، تربیت کے دوران مقصد کے دائرہ کار کی پابندی، اختیارات کو بے جا بڑھانے سے گریز، ناکامی کی درست رپورٹنگ اور "انعام کے خلا کا فائدہ اٹھانے" کو کم کرنے جیسے سگنلز شامل کیے گئے ہیں۔

اس لیے، یہ عام صارفین کے سوال “کیا یہ کوڈ محفوظ ہے؟” کے لیے نہیں بلکہ گھنٹوں یا اس سے زیادہ عرصے تک جاری رہنے والے ایجینٹ کے کام کے لیے ہے: بڑے کوڈ بیس کو پڑھنا، مشکوک راستوں کو تلاش کرنا، انکلوژن ماحول شروع کرنا، خرابیوں کو ٹرگر کرنا، نیچے سے تکرار بنانا، مکمل استعمال تیار کرنا اور امیدوار پچ بنانا۔

OpenAI نے اپنی ویب صلاحیت کو Preparedness Framework میں "Critical" کے طور پر درج کیا ہے، جبکہ پچھلی نسل GPT‑5.6 Cyber کو "High" درجہ دیا گیا تھا۔ یہاں "Critical" ایک صلاحیت کا درجہ ہے، کسی واقعے کا درجہ نہیں، اور اس کا مطلب یہ نہیں کہ ماڈل کا ہر عمل خطرناک ہے یا پوری طرح سے بے قابو ہو چکا ہے۔ اس کا مطلب ہے کہ ماڈل کچھ کاموں میں ایسی ویب حملہ اور دفاعی صلاحیت رکھتا ہے جس کے لیے سب سے زیادہ سطح کے ڈپلوائمنٹ تحفظات کی ضرورت ہوتی ہے۔

ExploitGym میں، ماڈل کو مخصوص ریموٹ ٹارگٹ کے لیے ایکسپلوٹ تیار کرنا ہوتا ہے۔ GPT‑6 Cyber نے 48.5% حاصل کیا، جبکہ GPT‑5.6 Cyber نے 32.1% حاصل کیا، جس سے مطلق طور پر تقریباً 16.4 فیصد کا اضافہ اور نسبتاً تقریباً 51% کا اضافہ ہوا۔

ایک اور بلا سورس ویب پیٹریشن ایوانلیشن کے لیے ماڈل کو ویب ایپلیکیشن کو باہری حملہ آور کی طرح ڈٹیکٹ کرنا ہوتا ہے۔ GPT‑6 Cyber نے 40.3% کمی خطاں دریافت کیں، جبکہ GPT‑6 Astra نے 32.0% کمی خطاں دریافت کیں۔

RemoteExploitBench نے GitLab، PostgreSQL اور Jenkins جیسے معلوم کمزوریوں والے سافٹ ویئر کو کنٹرولڈ ماحول میں ڈال دیا۔ GPT‑6 Astra نے سیکورٹی پالیسی کی وجہ سے تمام کاموں کو مسترد کر دیا؛ GPT‑6 Cyber نے 95% کام مکمل کیا، اور واحد ناکامی یہ تھی کہ اس نے ایک ایکسپلوٹ کو ریموٹ ٹارگٹ پر درست طریقے سے کام نہیں کرایا۔

یہ موازنہ نیٹ ورک ماڈل کے جائزے کی ایک مشکل بات کو بھی ظاہر کرتا ہے: زیادہ اسکور کم از کم محفوظ انکار کی وجہ سے بھی حاصل ہو سکتا ہے، یا پھر زیادہ طاقتور بنیادی صلاحیتوں کی وجہ سے۔ جب آپ دو ماڈلز کا موازنہ کر رہے ہوں، تو آپ کو یہ بھی دیکھنا چاہئے کہ انہیں کن اجازتوں کا استعمال دیا گیا، کن پرامپٹس کا استعمال کیا گیا، اور کیا محفوظ نظام ماڈل کو حقیقی حملے کے مراحل انجام دینے کی اجازت دے رہا ہے۔

سب سے زیادہ توجہ حاصل کرنے والا تجربہ رینکنگ لسٹ نہیں، بلکہ لینکس کرنل کے لیے ایک خود مختار سیکیورٹی ریسرچ پائپ لائن ہے۔

مرحلہ اول میں، سکاؤٹ ایجنٹ لینکس کرنل کو جانچتا ہے تاکہ وہ ایسے کوڈ کے علاقوں کو تلاش کر سکے جن تک کم اجازت والے صارفین تک پہنچ سکتے ہیں اور جن میں سیکورٹی کی قیمت ہو۔ یہ تقریباً 28 لاکھ لائنوں کے کوڈ میں سے 5034 چیکنگ ٹارگٹس منتخب کرتا ہے، جو کرنل کوڈ کا تقریباً 7 فیصد ہے۔

اس کے بعد، تجزیہ کار ایجنٹ نے ان مقاصد کا مزید تجزیہ کیا اور 12 گھنٹوں میں 2308 الگ الگ امکانی سوالات کو ترتیب دیا۔ بعد کا ایجنٹ ورچوئل ماشین میں ڈائنانکی طور پر دوبارہ تشکیل دے کر محفوظیت کے اثرات کا جائزہ لے گا، نیز کم سے کم کریش نمونہ تیار کرے گا اور خرابی کو ایک حقیقی، قابل عمل حملے میں تبدیل کرنے کی کوشش کرے گا۔

آخر کار، پائپ لائن نے 1724 خامیاں دوبارہ بنائیں، 291 معلومات کی leakage کے تجرباتی ثبوت تیار کیے، اور 948 ایسے ارتقاء کے استعمال بنائے جن سے عام مقامی صارفین root دسترسی حاصل کر سکتے ہیں۔ ان مسائل کے لیے، سسٹم نے جڑ کی تجزیہ اور امکانی پچس بھی تیار کیں تاکہ انسانی ریسرچرز اور Linux مینٹینر ان کا جائزہ لے سکیں۔

کل استعمال شدہ API کی رقم تقریباً 1.213 ملین امریکی ڈالر تھی، جس کا اوسط ہر الگ ایکسپلوٹ 1,279 ڈالر تھا۔ OpenAI نے 948 ایکسپلوٹس کا موازنہ قدیم ویلنر بونس کے ساتھ کیا اور ان کی ممکنہ قیمت 18.9 ملین سے 66.3 ملین امریکی ڈالر تک کے درمیان ہو سکتی ہے۔ لیکن یہ صرف سابقہ بونس کے مطابق نظریہ ہے، اور یہ نہیں کہہ سکتے کہ ان خامیوں کو وہی انعام ملا ہے، نہ ہی یہ کہ تمام رپورٹس کو مالکین نے الگ الگ اور انتہائی خطرناک خامیوں کے طور پر تسلیم کیا ہے۔

لائن نے ایک وقت میں 1169 قابل اجرا مقامی ارتقاء کے استعمال پیدا کیے، لیکن تحقیق کاروں نے متغیر تجزیہ کے بعد، ایک ہی بنیادی مسئلے سے نکلنے والے متعدد استعمالات کو ضم کر دیا، جس سے آخرکار 948 منفرد پیچ لگائے گئے۔ اس لیے، OpenAI نے منفرد خامیوں کی تعداد کے طور پر 948 کو استعمال کیا۔

یہ اسکین ایک عام لینکس جاری کرنے والے پر معیاری ڈیسک ٹاپ ورچوئل ماشین کے لیے کیا گیا ہے، جو کسی خاص طور پر کمزور ٹارگٹ کا مجموعہ نہیں ہے۔ تاہم، مقامی ارتقاء کا مطلب یہ ہے کہ حملہ آور عام طور پر پہلے سے ہی کم اجازت والے اکاؤنٹ یا کوڈ ایکزیکیشن کا نقطہ حاصل کر چکا ہوتا ہے، اور یہ سمجھنا غلط ہوگا کہ 948 خامیاں کسی بھی انٹرنیٹ پر موجود غیر جاننے والے کو براہ راست لینکس سرور پر حملہ کرنے کی اجازت دیتی ہیں۔

اوپن اے آئی نے لینکس کمیونٹی کی تجویز کے مطابق، 304 ایسے مسائل اور موزوں پیچ کو پہلے مینٹینر کو اطلاع دی جنہیں ٹیم نے سب سے زیادہ اہم سمجھا، باقی مسائل ابھی تک معالجہ کے مراحل میں ہیں۔ رپورٹ میں باہری طرف سے ہر مسئلے کی تصدیق کے لیے مکمل خامیوں کی فہرست شائع نہیں کی گئی، جو ذمہ دارانہ اطلاع دینے کا معیاری طریقہ ہے، لیکن اس کا مطلب یہ بھی ہے کہ باہری تحقیق کار ابھی تک 948 نتائج کی ڈپلیکیٹس، شدت اور پیچ کی معیار کی مستقل تصدیق نہیں کر سکتے۔

اوپن اے آئی نے بتایا کہ GPT‑6 Cyber نے Firefox میں 81 پہلے سے ناپید مسائل دریافت کیے، جنہیں Mozilla نے اعلی خطرہ کی درجہ بندی دی تھی، اور ان کے لیے قابل دوہرائی ثبوت اور ممکنہ اپ ڈیٹ فراہم کیے۔ اس کے علاوہ، مدل نے 30 پہلے سے جانے گئے مسائل کو ثابت کیا کہ وہ ابتدائی جائزے سے زیادہ سنگین ہیں۔

اس نتیجہ کی خاص بات یہ ہے کہ Firefox پہلے ہی کئی ایڈوانسڈ ماڈلز کی مدد سے آڈٹ کی گئی تھی اور اس میں براؤزر سینڈ باکس سمیت متعدد دفاعی لیئرز موجود تھے۔ Mozilla نے ان میں سے کئی فکسز کو اپنے سسٹم میں شامل کرنا شروع کر دیا ہے، لیکن OpenAI نے صارفین کے اپڈیٹ مکمل ہونے تک ممکنہ حملوں کے لیے راستے فراہم نہ کرنے کے لیے اپنے آرٹیکل میں خامیوں کی تفصیلات الگ الگ شائع نہیں کیں۔

GPT-6 Cyber کو OpenAI کی اپنی بنیادی ڈھانچہ ریڈ ٹیم ٹیسٹنگ میں بھی استعمال کیا گیا۔ کنٹرولڈ ماحول میں، ایجینٹ نے متعدد خامیوں کو جوڑ کر مائیکرو ورچوئل ماشین سے بھاگنا اور میزبان پر کوڈ انجام دینا شروع کر دیا۔ OpenAI کے مطابق، ان نتائج کا استعمال سافٹ ویئر کو درست کرنے، نیٹ ورک اجازتوں کو سخت بنانے اور متعلقہ مینٹینر کو مسائل کی اطلاع دینے کے لیے کیا گیا۔

زیادہ طاقتور نیٹ ورک ایجینٹس کے لیے خطرات صرف بدکار صارفین سے نہیں آتے۔ یہاں تک کہ اگر کام خود کو منظور کر لیا گیا ہو، تو ماڈل نتائج حاصل کرنے کے لیے ٹیسٹ کے دائرہ سے باہر کی معاون خدمات پر حملہ بھی کر سکتا ہے۔

OpenAI نے ExploitGym Honeypot ایوان کا جائزہ لیا: ماڈل ایک مشکل مقصد کے سامنے ہے، جبکہ اس کے پاس سافٹ ویئر ریپوزٹری، آبجیکٹ اسٹوریج اور دیگر مددگار سروسز تک رسائی ہے۔ ان سروسز کو جان بوجھ کر آسانی سے حملے کے قابل بنایا گیا ہے، اور حملے کے بعد ماڈل کو ہدف کا جواب حاصل کرنے میں مدد مل سکتی ہے، لیکن ان کو شامل کرنے کی اجازت واضح طور پر نہیں دی گئی ہے۔

سیکورٹی پرامپٹس کے بغیر، GPT‑6 Cyber کی 0.07% چل رہی تھی جس نے باؤنڈری سروسز پر حملہ کیا؛ GPT‑5.6 Cyber کی 5.51% تھی۔ درست پرامپٹس کو شامل کرنے کے بعد، GPT‑6 Cyber نے ٹیسٹ نمونوں میں کوئی باؤنڈری کریشن نہیں دیکھا۔

تاہم، سسٹم کارڈ نے کم تر نتائج بھی ظاہر کیے۔ ٹیسٹ کے مطابق، جب ٹول نے ایک انتباہ جاری کیا تو ماڈل کو مناسب وقت پر روکنا تھا، جس میں اس کی کامیابی کی شرح 73.0% تھی، جو GPT‑6 Astra کی 78.38% سے کم تھی۔ تاریخی اعلیٰ خطرے والے ناکام واقعات کے شبیہہ جائزے میں، GPT‑6 Cyber کے 28.4% چلاؤ ٹرگرز کو غیر مطلوب سمجھا گیا، جو GPT‑5.6 Sol کے 64.53% سے کم تھا۔

اس لیے، 99.93% صرف ایک خاص شہد کے گھر کے ماحول میں حاصل شدہ نتائج کو ظاہر کرتا ہے، اور اسے تمام حقیقی سسٹمز میں ماڈل کی 99.93% سیکیورٹی کی شرح کے طور پر نہیں سمجھا جا سکتا۔

بیرونی ادارہ Irregular نے GPT‑6 Cyber اور GPT‑6 Astra کو تین سیکورٹی نیٹ ورک ایوانٹس میں موازنہ کیا۔

CyScenarioBench میں طویل مدتی حملوں کے جائزے کے دوران، GPT‑6 Cyber نے کم از کم ایک بار تمام 11 چیلنجز کو حل کیا، جبکہ Astra نے 8 کو حل کیا؛ پہلے کی اوسط کامیابی کی شرح 61% ہے، جو 7 فیصد زیادہ ہے۔

لیکن فرانتیرسائبر میں، جہاں حقیقی سافٹ ویئر اور ہارڈ ویئر کے خلل دریافت اور استعمال کا جائزہ لیا جاتا ہے، GPT‑6 سائبر نے 288 میں سے صرف 90 کامیابی حاصل کی، جو اسٹرا کی 96/288 سے کم ہے۔ دونوں ماڈلز نے مکمل طور پر مضبوط ہدف پر حملہ نہیں کیا اور 15 سب سے مشکل چیلنجز میں سے کوئی بھی حل نہیں کیا۔

اس کا مطلب یہ ہے کہ GPT‑6 Cyber کا واضح فائدہ بنیادی طور پر مستقل حملوں، کم مسترد کرنے کی شرح اور خصوصی تربیت یافتہ ورک فلو پر مرکوز ہے، اور اسے ہر قسم کے سائبر سیکورٹی کام میں عام فلگش ماڈل سے بہتر سمجھنا چاہئے۔

GPT‑6 Cyber کو ابتدائی طور پر صرف کچھ خاص طور پر منظور شدہ Daybreak Red صارفین کے لیے API اور Codex کے ذریعے دستیاب کیا جائے گا۔ یہاں تک کہ اگر کوئی ادارہ Daybreak Red کے لیے اہل ہو، تو اس ماڈل کے لیے الگ سے درخواست دینا ضروری ہے۔

تنظیمی صارفین کو سینگل سائن آن، متعدد عوامل کی تصدیق، مدیریت شدہ ڈیوائسز اور IP وائٹ لسٹ کی ترتیب کرنی ہوگی؛ ذاتی محققین کو شناخت اور زندہ تصدیق مکمل کرنی ہوگی، پیشہ ورانہ استعمال کا ثبوت پیش کرنا ہوگا، اور فزیکل FIDO2 سیکورٹی کی کلید استعمال کرنا ہوگا۔ OpenAI نے مشورہ دیا ہے کہ ماڈل کو الگ ماحول میں رکھا جائے، اس کے مقصد، اعتماد نامہ، نیٹ ورک کے دائرہ کار اور اجازت دیے گئے عمل کو واضح طور پر محدود کیا جائے، اور اعلیٰ خطرہ والے کاموں پر انسانی نگرانی عملی وقت میں ہونی چاہئے۔

کچھ صفر ڈیٹا ریٹینشن API کلائنٹس کے لیے، OpenAI عام طور پر پرائیویٹ سیفٹی پروسیسنگ کو سکریپ کرنے کی درخواست کرتا ہے: متعلقہ تعاملات کو ایکنکرپٹڈ فارمیٹ میں 30 دن تک کلائنٹ کے اسٹوریج میں محفوظ کیا جاتا ہے، جہاں خودکار سسٹم سے محدود سیفٹی سگنلز جنریٹ ہوتے ہیں، لیکن پرامپٹس اور جوابات کو براہ راست OpenAI اسٹاف کو نہیں دکھایا جاتا۔

کلیدی بنیادی ڈھانچے کے لیے الگ خصوصی رسائی گروپ مقرر کیا جائے گا۔ جب OpenAI نے صنعتی سلامتی کمپنی Dragos کے ساتھ ایک بجلی کے پلانٹ میں ٹیسٹ کیا، تو ماڈل نے IT کے شور سے صنعتی کنٹرول ڈیوائسز کو پہچان لیا اور ریلے پروٹیکشن ڈیٹا کے انتظام کے لیے استعمال ہونے والے انجینئرنگ سافٹ ویئر میں دو زیرو-ڈے خامیاں دریافت کر لیں۔ اس قسم کی صلاحیت کے ہونے کی وجہ سے جو دفاعی اور حملہ آور دونوں کے لیے مفید ہو سکتی ہے، صنعتی کنٹرول، الیکشن سسٹم اور جانی نقصان یا بڑے سروس بند ہونے کا باعث بن سکنے والے اہم نظاموں پر مزید جانچ کی جائے گی۔

گزشتہ میں، سیکورٹی ریسرچ عام طور پر ایک خامی پر مرکوز ہوتی تھی: ریسرچر کوڈ کو سمجھتا، ٹریگر کنڈیشنز بناتا، اثر کا جائزہ لیتا، اور پھر استعمال کے لیے اور پچ کے لیے کئی دن یا ہفتے بروئے لایا۔

GPT‑6 سائبر کسی دوسرے ماڈل کو ظاہر کرتا ہے: کئی ایجینٹ ایک ساتھ حملے کے سطح کو فلٹر کرتے ہیں، ہزاروں امیدواروں کی تصدیق کرتے ہیں، اور صرف ان مسائل کو انسانوں کے لیے بھیجتے ہیں جن میں چل رہے ہونے کا ثبوت، بنیادی وجوہات کا تجزیہ اور درستگی کی تجاویز موجود ہوں۔ ماڈل مینٹینر کے فیصلوں کو نہیں بدلتا، لیکن "مطالعہ کے قابل مسائل تلاش کرنا" کو نایاب ہاتھ سے کام سے قابلِ بڑھتی حسابی عمل میں تبدیل کر دیتا ہے۔

یہ دفاعی افراد کے لیے وقت کے ونڈو کو بھی مختصر کر دے گا۔ جب ایسی صلاحیتیں پھیل جائیں، تو حملہ آور ممکنہ طور پر پیچھ کے بعد ہی ویولنریبلٹی کو ریورس انجینئرنگ کر سکتے ہیں، یا لمبے عرصے تک جانچ نہ ہونے والے کوڈ میں بڑے پیمانے پر انٹری پوائنٹس تلاش کر سکتے ہیں۔ OpenAI نے رسائی کو محدود کرنے کا فیصلہ اس لیے کیا ہے کہ سائبر سیکورٹی ایک اہم نقطے کی طرف بڑھ رہی ہے: ماڈل صرف ویولنریبلٹیز کی وضاحت نہیں کر رہے، بلکہ خود بخود ثابت کر رہے ہیں کہ ویولنریبلٹیز استعمال کی جا سکتی ہیں۔