Microsoft, şirketin güvenlik açığı tanımlama ve düzeltmeye yönelik çoklu aracı donanımı MDASH'de yerleşik siber güvenlik odaklı bir yapay zeka modeli olan MAI-Cyber-1-Flash'ı tanıttı. Lansman, kataloğa eklenen başka bir modelden ibaret değil. Bu, güvenlik yapay zekasının, iş akışının her adımını yöneten tek bir genel amaçlı model yerine, alana özgü sistemlere, erişim kontrollerine ve görev yönlendirmeye doğru ilerlediğinin bir işaretidir.

Microsoft'a göre MAI-Cyber-1-Flash, MDASH görevlerinin %90'ını gerçekleştirmek üzere tasarlanırken, daha büyük modeller olağanüstü zor durumlar için ayrılmıştır. Erişim, MDASH aracılığıyla doğrulanmış savunucularla sınırlıdır. Axios, genel önizlemenin önümüzdeki hafta başlamasının beklendiğini ve Microsoft'un Project Perception'ı daha uzmanlaşmış güvenlik aracılarıyla genişletmeyi planladığını bildirdi.

İlk hedef kitlesi güvenlik ekipleridir, ancak bunun sonuçları, hassas araçlar çevresinde yapay zeka otomasyonu oluşturan herkes için daha geniştir. Siber güvenlik çalışmaları giderek uzman aracılara bağımlı hale geliyorsa, bu aracıların etrafındaki operasyonel katman (kimlik doğrulama, denetim günlüğü tutma, model geri dönüşü, izin verme, maliyet kontrolleri ve olay izlenebilirliği) model kalitesi kadar önemli hale gelir.

Değişen şey

Microsoft, MAI-Cyber-1-Flash'ı genel bir sohbet robotu veya bağımsız API uç noktası yerine MDASH içinde amaca yönelik oluşturulmuş bir siber model olarak konumlandırıyor. MDASH, güvenlik açıklarını bulmaya ve gidermeye yönelik çok aracılı bir iş akışı olarak tanımlanır; bu, modelin görevleri, araçları ve yükseltme yollarını koordine edebilen bir sisteme yerleşik olduğu anlamına gelir.

Bildirilen tasarım seçeneği pratiktir: rutin güvenlik aracısı işlerinin çoğunu daha küçük veya daha uzmanlaşmış bir modelin halletmesine izin verin, ardından daha zor vakaları daha büyük modellere aktarın. Bu, olgun mühendislik ekiplerinin halihazırda altyapı hakkında ne düşündüğüne benziyor. Her isteğin en pahalı, en yüksek gecikme süreli modele ihtiyacı yoktur. Bazı işler, alanı anlayan, kısıtlı bir iş akışını izleyen ve daha sıkı yönetilebilen dar bir modelden yararlanır.

Microsoft'un erişim modeli de dikkat çekicidir. Şirket, MAI-Cyber-1-Flash'ı MDASH üzerinden doğrulanmış savunucularla sınırlayarak, güvenlik açığı keşfi ve iyileştirmenin ikili kullanım doğasını kabul ediyor. Savunma ekibinin riskleri önceliklendirmesine yardımcı olan aynı yetenekler, kontrolsüz bir şekilde serbest bırakıldığında saldırgana da yardımcı olabilir. Bu, uygunluk ve kullanım gözetimini sonradan düşünülecek ayrı bir uyumluluk değil, ürün mimarisinin bir parçası haline getirir.

Geliştiriciler ve güvenlik ekipleri neden bunu önemsemeli?

Güvenlik ekipleri için en açık potansiyel fayda, uzmanlaşmadır. Güvenlik açığı keşfi, yararlanılabilirlik analizi, yama kılavuzu ve iyileştirme planlaması, genel modellerin tutarlı bir şekilde ele alamayabileceği bağlamı gerektirir. Defender iş akışına yerleştirilmiş siber spesifik bir model, her bir istemi, ayrıştırıcıyı ve araç politikasını sıfırdan oluşturma ihtiyacını azaltabilir.

Dahili yapay zeka sistemleri oluşturan geliştiriciler için lansman, göz ardı edilmesi zorlaşan bir tasarım modelini güçlendiriyor: görevleri riske, etki alanına ve maliyete göre yönlendirin. Güvenlik açığı önceliklendirme isteği, pazarlama özetiyle aynı şey değildir. Depolara, tarayıcılara, biletlere ve bulut yapılandırmasına erişimi olan bir iyileştirme aracısının, salt metinden oluşan bir asistandan daha fazla korkuluğa ihtiyacı vardır. Bu ortamda model seçimi, bireysel bir kullanıcı tarafından belirlenen bir tercih değil, bir politika kararı haline gelir.

Bu, AI API ağ geçidinin alakalı hale geldiği yerdir. Halihazırda maliyet, gecikme veya kullanılabilirlik için birden fazla model üzerinden yönlendirme yapan ekipler artık daha derin bir güvenlik katmanına ihtiyaç duyabilir: hangi modeller güvenlik açığı verilerini işleyebilir, hangi kullanıcılar araçları çağırabilir, bir isteğin ne zaman iletilmesi gerektiği ve her adımın nasıl günlüğe kaydedildiği. Model Gate'in pratik bağlantısı bu yönetişim katmanındadır; birleştirilmiş faturalandırma, API anahtarı yönetimi, kullanım analitiği ve ekip kontrolleri, model erişimi artık düz ve değiştirilebilir olmadığında daha kullanışlıdır.

Aynı şey, yapay zeka altyapısı üzerinde hizmet oluşturan ajanslar ve iş ortakları için de geçerlidir. Müşteri otomatik kod veya altyapı incelemesi isteyebilir ancak sağlayıcı hangi güvenlik iş akışlarının doğrulanmış erişim gerektirdiğine, hangi günlüklerin tutulduğuna ve hangi model geri dönüşlerine izin verildiğine karar vermelidir. Özel siber modeller bu konuşmayı daha somut hale getiriyor.

Maliyet iddialarının doğrulanması gerekiyor

Duyuruya göre Microsoft, MAI-Cyber-1-Flash'ın önde gelen modellerin maliyetinin yaklaşık yarısı kadar bir maliyetle birinci sınıf performans sunabileceğini söyledi. Bu, tedarikle ilgili bir iddiadır ancak henüz kesinleşmiş bir delil olarak değerlendirilmemelidir. Satıcı tarafından bildirilen maliyet ve performans karşılaştırmaları, karşılaştırma seçimine, iş yükü karışımına, hızlı tasarıma, araç kullanımına ve arıza gidermeye bağlıdır.

Daha güvenilir sonuç sayısal değil mimaridir.Microsoft, bir güvenlik aracısı sistemi içindeki model yönlendirme stratejisini açıkça açıklamaktadır: çoğu iş için özel modeli kullanın ve istisnai durumlar için daha büyük modelleri saklayın. Bu yaklaşım gerçek ortamlarda iyi performans gösterirse kurumsal ekipleri daha açık çıkarım maliyet optimizasyonuna doğru itebilir. Ekipler, bir modelin "en iyi" olup olmadığını sormak yerine, her adım için hangi modelin yeterince iyi olduğunu, maliyetinin ne kadar olduğunu ve ne gibi riskler getirdiğini soracak.

Bu değişim bütçeler açısından önem taşıyor. Güvenlik otomasyonu, tarayıcılara, kod depolarına, biletlere, CI ardışık düzenlerine ve bulut telemetrisine bağlandığında yüksek talep hacimleri oluşturabilir. Adım başına birkaç kuruş tasarruf, ölçekte önemli olabilir, ancak bu yalnızca üretim koşullarında doğruluk, izlenebilirlik ve güvenliğin sağlanması durumunda mümkündür.

Belirsiz kalan şey

Kuruluşların yönlendirme veya satın alma kararları vermeden önce bazı ayrıntıların hâlâ onaylanması gerekiyor. Herkese açık önizleme zamanlaması değişebilir ve doğrulanmış savunucular için uygunluk kriterleri, modeli kimlerin erken test edebileceğini sınırlayabilir. Ayrıca MAI-Cyber-1-Flash'ın ne kadarının ayrı olarak adreslenebilir bir model olarak açığa çıkarılacağı ve MDASH iş akışlarına sıkı sıkıya bağlı kalacağı da belirsiz.

Bağımsız değerlendirme diğer eksik parçadır. Gerçek dünyadaki güvenlik açığı çalışmalarının karmaşık depolara, eksik günlüklere, hatalı pozitiflere, kuruluşa özgü politikalara ve araç izinlerine bağlı olması nedeniyle güvenlik kıyaslamalarının yorumlanması zor olabilir. Kontrollü bir karşılaştırmada iyi performans gösteren bir model, güvenli bir şekilde düzeltmeler önermeden veya üretimde eylemleri tetikleyebilmeden önce yine de kapsamlı korkuluklara ihtiyaç duyabilir.

Bu uyarılara rağmen duyuru önemlidir. Bu, büyük bir yapay zeka satıcısının siber güvenliği başka bir anlık kategori yerine özel bir operasyonel alan olarak ele aldığını gösteriyor. İşletmeler için ders, erişim haklarının, görev yönlendirmenin, denetim yollarının ve geri dönüş politikalarının yapay zeka güvenlik iş akışlarının merkezinde yer aldığı bir model ekosisteme hazırlanmaktır. Kazananlar yalnızca en yetenekli modellere sahip ekipler değil, aynı zamanda bu modellerin ne zaman ve nasıl kullanılacağını yönetebilen ekipler de olacak.