A Microsoft bemutatta a MAI-Cyber-1-Flash-t, a kiberbiztonságra összpontosító mesterséges intelligencia-modellt, amely az MDASH-ba, a vállalat sebezhetőségek azonosítására és helyreállítására szolgáló, többügynököt tartalmazó rendszerébe épített. A bevezetés nem egyszerűen egy katalógushoz hozzáadott újabb modell. Ez annak a jele, hogy a biztonsági mesterséges intelligencia a tartomány-specifikus rendszerek, a hozzáférés-vezérlés és a feladatok útválasztása felé halad, nem pedig egyetlen általános célú modell, amely a munkafolyamat minden lépését kezelné.
A Microsoft szerint a MAI-Cyber-1-Flash az MDASH-feladatok 90%-át képes elvégezni, míg a nagyobb modellek kivételesen nehéz esetekre vannak fenntartva. A hozzáférés az MDASH-n keresztül ellenőrzött védőkre korlátozódik. Az Axios arról számolt be, hogy a nyilvános előnézet várhatóan a következő héten kezdődik, és a Microsoft azt tervezi, hogy a Project Perceptiont speciálisabb biztonsági ügynökökkel bővíti.
A közvetlen közönség a biztonsági csapatok, de a következmények szélesebbek mindazok számára, akik mesterséges intelligencia automatizálást építenek érzékeny eszközök köré. Ha a kiberbiztonsági munka egyre inkább a speciális ügynököktől függ, akkor az ügynökök körüli működési réteg – hitelesítés, ellenőrzési naplózás, modell-visszaállítás, engedélyezés, költségellenőrzés és incidensek nyomon követhetősége – ugyanolyan fontossá válik, mint a modell minősége.
Mi változott
A Microsoft a MAI-Cyber-1-Flash-t inkább általános API-ként pozicionálja, mint egy általános, MDA-schatcybermodellt. végpont. Az MDASH leírása szerint a sebezhetőségek felkutatására és orvoslására szolgáló, többügynökből álló munkafolyamat, ami azt jelenti, hogy a modell egy olyan rendszerbe van beágyazva, amely képes koordinálni a feladatokat, az eszközöket és az eszkalációs útvonalakat.
A bejelentett tervezési választás praktikus: hagyja, hogy egy kisebb vagy speciálisabb modell kezelje a rutin biztonsági ügynöki munka nagy részét, majd a nehezebb eseteket nagyobb modellekké alakítsa át. Ez hasonlít arra, ahogyan az érett mérnöki csapatok már gondolkodnak az infrastruktúráról. Nem minden kérésnek van szüksége a legdrágább, legmagasabb késleltetésű modellre. Egyes munkák számára előnyös egy szűk modell, amely megérti a tartományt, egy korlátozott munkafolyamatot követ, és szigorúbban irányítható.
A Microsoft hozzáférési modellje is figyelemre méltó. Azáltal, hogy a MAI-Cyber-1-Flasht az MDASH-n keresztül az ellenőrzött védőkre korlátozza, a vállalat elismeri a sebezhetőségek felderítésének és helyreállításának kettős felhasználású természetét. Ugyanazok a képességek, amelyek segítik a védekező csapat besorolását, segíthetik a támadót, ha vezérlés nélkül engedik el. Emiatt a jogosultság és a használati felügyelet a termékarchitektúra részévé válik, nem pedig külön megfelelőségi utógondolatnak.
Miért érdemes foglalkozniuk a fejlesztőkkel és a biztonsági csapatokkal?
A biztonsági csapatok számára a legegyértelműbb lehetséges előny a specializáció. A sebezhetőség felderítése, a kihasználhatóság elemzése, a javítási útmutató és a helyreállítás tervezése olyan kontextust igényel, amelyet az általános modellek nem kezelhetnek következetesen. A védekező munkafolyamatba ágyazott kiberspecifikus modell csökkentheti annak szükségességét, hogy minden prompt, elemző és eszközházirendet a semmiből kell összeállítani.
A belső AI-rendszereket építő fejlesztők számára a bevezetés megerősíti azt a tervezési mintát, amelyet egyre nehezebb figyelmen kívül hagyni: a feladatokat kockázat, tartomány és költség szerint irányítják. A sebezhetőségi osztályozási kérelem nem azonos a marketing-összefoglalóval. A lerakatokhoz, szkennerekhez, jegyekhez és felhőkonfigurációhoz hozzáféréssel rendelkező elhárítási ügynöknek több védőkorlátra van szüksége, mint egy csak szöveges asszisztensnek. Ebben a környezetben a modellválasztás politikai döntéssé válik, nem pedig egyéni felhasználó által beállított preferenciává.
Ekkor válik relevánssá az AI API átjáró. Azoknak a csapatoknak, amelyek már több modellen áthaladnak a költségek, a késleltetés vagy a rendelkezésre állás tekintetében, most mélyebb biztonsági rétegre van szükségük: mely modellek képesek feldolgozni a sebezhetőségi adatokat, mely felhasználók hívhatnak meg eszközöket, mikor kell továbbítani a kérelmet, és hogyan történik az egyes lépések naplózása. A Model Gate gyakorlati kapcsolata ebben az irányítási rétegben rejlik – az egységes számlázás, az API-kulcsok kezelése, a használati elemzés és a csapatvezérlés hasznosabb, ha a modellelérés már nem egységes és nem cserélhető fel.
Ugyanez vonatkozik az AI-infrastruktúrán felül szolgáltatásokat építő ügynökségekre és partnerekre is. Előfordulhat, hogy az ügyfél automatizált kód- vagy infrastruktúra-ellenőrzést igényel, de a szolgáltatónak el kell döntenie, hogy mely biztonsági munkafolyamatok igényelnek ellenőrzött hozzáférést, mely naplók őrződnek meg, és mely modellek visszaállítása engedélyezett. A speciális kibermodellek konkrétabbá teszik ezt a beszélgetést.
A költségköveteléseket ellenőrizni kell
A Microsoft szerint a MAI-Cyber-1-Flash világszínvonalú teljesítményt tud nyújtani a vezető modellek költségeinek nagyjából felével, a közlemény tudósításai szerint. Ez egy beszerzési vonatkozású követelés, de még nem kell eldöntött bizonyítékként kezelni. A szállítók által jelentett költség- és teljesítmény-összehasonlítások a referenciaérték megválasztásától, a munkaterhelés-összetételtől, a gyors tervezéstől, a szerszámhasználattól és a hibakezeléstől függenek.
A megbízhatóbb átvétel az építészeti, nem pedig a numerikus.A Microsoft nyíltan leír egy modell-útválasztási stratégiát a biztonsági ügynökrendszeren belül: használja a legtöbb munkához a speciális modellt, és tartsa meg a nagyobb modelleket kivételes esetekben. Ha ez a megközelítés valós környezetben jól működik, akkor a vállalati csapatokat a pontosabb következtetések költségoptimalizálása felé tolhatja. Ahelyett, hogy azt kérdeznék, hogy egy modell a „legjobb”, a csapatok azt fogják kérdezni, hogy melyik modell elég jó az egyes lépésekhez, mennyibe kerül, és milyen kockázatokat hordoz magában.
Ez az elmozdulás számít a költségvetés szempontjából. A biztonsági automatizálás nagy mennyiségű kérelmet generálhat, ha szkennerekhez, kódtárolókhoz, jegyekhez, CI-folyamatokhoz és felhő telemetriához csatlakozik. A lépésenként megtakarított néhány cent számíthat nagy léptékben, de csak akkor, ha a pontosság, a nyomon követhetőség és a biztonság a gyártási körülmények között megállja a helyét.
Ami még bizonytalan
Több részletet még meg kell erősíteni, mielőtt a vállalatok meghozhatják az útválasztási vagy beszerzési döntéseket. A nyilvános előzetes időzítése változhat, és az ellenőrzött védők jogosultsági feltételei korlátozhatják azt, hogy ki tesztelheti korán a modellt. Az sem világos, hogy a MAI-Cyber-1-Flash mekkora része lesz elérhető külön címezhető modellként, szemben az MDASH-munkafolyamatokhoz való szoros kötéssel.
A másik hiányzó rész a független értékelés. A biztonsági referenciaértékeket nehéz lehet értelmezni, mivel a valós világban végzett sebezhetőségi munka a rendetlen adattáraktól, a hiányos naplóktól, a hamis pozitív értékektől, a szervezetspecifikus házirendektől és az eszközengedélyektől függ. Egy ellenőrzött benchmarkon jól teljesítő modellnek továbbra is kiterjedt védőkorlátokra lehet szüksége, mielőtt biztonságosan javasolhatna javításokat vagy műveleteket a gyártás során.
Még ezekkel a figyelmeztetésekkel együtt is fontos a bejelentés. Egy jelentős mesterséges intelligencia-szállítót mutat be, aki a kiberbiztonságot speciális működési tartományként kezeli, nem pedig egy újabb prompt kategóriaként. A vállalatok számára a lecke az, hogy fel kell készülni egy olyan modell ökoszisztémára, ahol a hozzáférési jogok, a feladatok útválasztása, az ellenőrzési nyomvonalak és a tartalék házirendek központi szerepet játszanak az AI biztonsági munkafolyamataiban. Nem csak a legtehetősebb modellekkel rendelkező csapatok nyernek, hanem azok a csapatok is, amelyek meg tudják határozni, hogy mikor és hogyan használják ezeket a modelleket.