مدل متن‌باز GLM-5.3 شرکت چینی Z.ai در آزمون تشخیص آسیب‌پذیری‌های نرم‌افزاری CyberGym به دقت ۸۴.۵ درصد رسیده و به عملکرد Mythos 5 آنتروپیک نزدیک شده است؛ هرچند در تبدیل آسیب‌پذیری‌های شناسایی‌شده به حمله واقعی همچنان فاصله محسوسی با مدل تخصصی Anthropic دارد.

به گزارش آی سی تی نیوز، شرکت چینی Z.ai از مدل جدید GLM-5.3 رونمایی کرده است؛ مدلی متن‌باز که علاوه بر بهبود قابل‌توجه در برنامه‌نویسی و انجام وظایف چندمرحله‌ای، توانایی‌های امنیت سایبری آن توجه رسانه‌های فناوری را به خود جلب کرده است.

بر اساس داده‌هایی که Z.ai منتشر کرده، GLM-5.3 در آزمون CyberGym به امتیاز ۸۴.۵ درصد دست یافته است. این آزمون توانایی مدل‌های هوش مصنوعی در بررسی کد، شناسایی آسیب‌پذیری‌ها و تأیید صحت آن‌ها را ارزیابی می‌کند. عملکرد این مدل در این بخش به Mythos 5، مدل تخصصی امنیت سایبری Anthropic، نزدیک شده است.

با این حال، مقایسه دو مدل در همه زمینه‌های امنیتی به یک نتیجه منتهی نمی‌شود. GLM-5.3 در آزمون ExploitBench که توانایی تبدیل آسیب‌پذیری به اکسپلویت عملی را بررسی می‌کند، امتیاز ۵۴.۴ درصد را به دست آورده، در حالی که Mythos 5 به ۷۸ درصد رسیده است. بنابراین مزیت GLM-5.3 در مرحله شناسایی ضعف‌های امنیتی بیشتر از مرحله بهره‌برداری عملی است.

مدل عمومی با قابلیت‌های امنیتی پیشرفته

نکته مهم درباره GLM-5.3 این است که برخلاف Mythos 5، یک مدل کاملاً تخصصی امنیت سایبری نیست. Z.ai این مدل را به‌عنوان یک مدل عمومی توسعه داده و توانایی‌های امنیتی آن را از طریق آموزش و یادگیری تقویتی افزایش داده است.

این شرکت اعلام کرده مدل‌های خانواده GLM تاکنون بیش از ۲۴۰۰ آسیب‌پذیری امنیتی، از جمله بیش از هزار آسیب‌پذیری بحرانی، شناسایی کرده‌اند.

Z.ai همچنین اعلام کرده به دلیل توانایی‌های امنیتی مدل، عرضه عمومی وزن‌های GLM-5.3 را با تأخیر انجام خواهد داد تا ارزیابی‌های ایمنی بیشتری روی آن صورت گیرد. این شرکت گفته وزن‌های مدل حدود دو هفته بعد در دسترس قرار خواهند گرفت.

رقابت امنیتی مدل‌های هوش مصنوعی

ظهور GLM-5.3 در شرایطی اتفاق افتاده که شرکت‌های آمریکایی و اروپایی در ماه‌های اخیر محدودیت‌های بیشتری برای انتشار مدل‌های دارای قابلیت‌های سایبری پیشرفته در نظر گرفته‌اند. در مقابل، شرکت‌های چینی تلاش می‌کنند مدل‌های متن‌باز خود را با قابلیت‌های نزدیک به مدل‌های اختصاصی توسعه دهند.

این روند می‌تواند امنیت سایبری را وارد مرحله‌ای تازه کند؛ جایی که مدل‌های عمومی هوش مصنوعی علاوه بر تولید کد و تحلیل نرم‌افزار، قادر به کشف ضعف‌های امنیتی در مقیاس بالا باشند.

تحلیل ICTNews:
اهمیت GLM-5.3 صرفاً در نزدیک شدن یک مدل چینی به Mythos 5 نیست. نکته مهم‌تر این است که قابلیت شناسایی آسیب‌پذیری‌های پیشرفته در حال انتقال از مدل‌های کاملاً تخصصی امنیتی به مدل‌های عمومی و متن‌باز است. در صورت عرضه گسترده این مدل‌ها، مرز میان ابزار دفاع سایبری و ابزار قابل سوءاستفاده برای حمله نیز پیچیده‌تر خواهد شد.