آزمون Anthropic از توانایی سایبری GLM-5.3 خبر می‌دهد

آزمون امنیت سایبری مدل‌ها که Anthropic Frontier Red Team گزارش کرده، نشان می‌دهد GLM-5.3 در بخشی از وظایف تخصصی بهره‌برداری از آسیب‌پذیری‌ها توانسته به ربایش کامل جریان کنترل برسد. این مدل در ۴ درصد از ۱۰۰ وظیفه آزموده‌شده موفق شد؛ نتیجه‌ای که به گفته این گروه، از گسترش توانایی‌های پیشرفته سایبری در مدل‌های هوش مصنوعی حکایت دارد.

نتیجه ارزیابی ۱۰۰ وظیفه‌ای

طبق خلاصه منتشرشده از ارزیابی، پژوهشگران چند مدل را با ۱۰۰ وظیفه از بنچمارک داخلی Binary Exploitation سنجیدند. این وظایف به‌صورت تصادفی انتخاب شده بودند. در این آزمون، GLM-5.3 در ۴ درصد موارد و Claude Mythos Preview در ۶ درصد موارد به ربایش کامل جریان کنترل دست یافتند.

ربایش جریان کنترل به وضعیتی گفته می‌شود که در آن مهاجم مسیر اجرای برنامه را به شکلی ناخواسته تغییر می‌دهد. گزارش جزئیات بیشتری درباره وظایف یا روش انجام آن‌ها ارائه نمی‌کند؛ بنابراین این درصدها فقط نتیجه همان نمونه ارزیابی‌شده را توصیف می‌کنند.

تفاوت با مدل‌های پیشین

در همین آزمون، Claude Opus 4.6 و GLM-5.2 در هیچ‌یک از وظایف موفق نشدند. Anthropic Frontier Red Team با اشاره به فاصله عملکردی GLM-5.3 با Claude Mythos Preview، تأکید کرده است که با وجود پایین‌تر بودن نتیجه GLM-5.3، به آستانه‌ای معنادار از توانایی رسیده‌ایم.

این جمع‌بندی بر پایه یک بنچمارک داخلی و مجموعه‌ای محدود از وظایف است و به‌تنهایی نشان نمی‌دهد مدل‌ها در همه سناریوهای امنیت سایبری عملکرد مشابهی دارند. بااین‌حال، تفاوت نتیجه مدل‌های جدید با Claude Opus 4.6 و GLM-5.2، موضوع ارزیابی توانایی‌های سایبری مدل‌ها را برجسته می‌کند.

این خبر برای چه کسانی اهمیت دارد

نتیجه برای تیم‌های امنیت سایبری، ارزیابان مدل‌های هوش مصنوعی و شرکت‌هایی اهمیت دارد که از مدل‌های زبانی در ابزارهای برنامه‌نویسی یا امنیتی استفاده می‌کنند. گزارش نشان می‌دهد توانایی اجرای وظایف پیچیده سایبری باید در ارزیابی ایمنی مدل‌ها جدی گرفته شود؛ هرچند داده‌های منتشرشده محدود به همین آزمون است.