Az OpenAI GPT-6 Astra modelljének megjelenése minőségi szintlépést jelent az autonóm mesterségesintelligencia-ágensek fejlődésében. A bejelentés legfontosabb üzenete közvetlenül a kiberbiztonsági szektort érinti: az Astra az első kereskedelmi modell, amely átlépte a vállalat saját belső „Kritikus” kockázati küszöbét. Emberi beavatkozás nélkül képes azonosítani ismeretlen biztonsági réseket és ezekhez működőképes kihasználókódot, azaz exploitot fejleszteni.
Önálló hipotézisek és javítja a saját hibáit
Az Astra képességei nem egyszerű lexikális tudásbővülésből fakadnak. A modell az ismeretlen problémákhoz való alkalmazkodásban és a zárt láncú, önálló cselekvésben lépett szintet. Az ARC AGI 3 teszt a korábban sosem látott, implicit szabályrendszerű feladatok autonóm feltárását, a próba szerencse alapú kísérletezést és a hibákból való tanulást vizsgálja. A hitelesített méréseken elért 98,6 százalékos, magas számítási kapacitás mellett akár 99,9 százalékos eredmény azért kritikus, mert az Astra a feladatok döntő részét emberi beavatkozás nélkül, az embereknél kevesebb lépésben oldotta meg.
A támadó kódok önálló kifejlesztését mérő ExploitBench benchmarkon az Astra, védelmi rétegek nélkül tesztelve, elérte a 100 százalékos telítést. A folyamat lényege, hogy a modell először feltérképez egy ismeretlen környezetet, majd önálló hipotéziseket alkot és javítja saját hibáit, végül ebből a tanulási ciklusból célzott, teljesen működőképes exploitot generál.
A nulladik nap
A nulladik napi, úgynevezett zero day sérülékenységek felkutatása alapvetően egy ARC AGI jellegű feladvány: a célrendszer belső logikája, védelmi mechanizmusai és rejtett állapotai kezdetben ismeretlenek. Ha egy modell önállóan, valós idejű visszacsatolásokból tanulva képes megérteni egy ismeretlen rendszert, majd arra 100 százalékos hatékonysággal exploitot írni, a támadási ciklus ideje napokról vagy hetekről percekre csökkenhet. A frontier modellek kettős felhasználású, dual-use természete miatt az iparág nem a képességek teljes letiltása mellett döntött, hanem a szigorúan rétegzett hozzáférés mellett.
Az Anthropic ezt egy kettéválasztott modellpárossal oldja meg: a Fable a publikus verzió, a Mythos hordozza a nyers képességeket, kockázati besorolása exportszabályozási auditokon és belső biztonsági szinteken alapul, a zártkörű hozzáférést a megbízható partnerekkel dolgozó, biológiai és kiber fókuszú Project Glasswing biztosítja, a publikus oldalon pedig szigorú prompt- és kimenetszintű szűrés védi a Fable 5.1-et.
Az OpenAI ezzel szemben egyetlen alapmodellt üzemeltet eltérő kontroll- és hozzáférési rétegekkel, amely hivatalosan is átlépte a „Kritikus” kiberbiztonsági küszöböt, zártkörű hozzáférését az engedélyezett védelmi biztonsági csapatoknak szánt Daybreak program adja, publikus védelmét pedig egy beépített réteg biztosítja, amely blokkolja az exploitgenerálást és a jogosulatlan akciókat. A lakossági felhasználók számára a ChatGPT felületén az átállás alig érzékelhető. A publikus verzió szigorú safeguard rendszerrel fut, agresszívan elutasítja a támadó jellegű parancsokat, fejlettebb módszerekkel szűri a jailbreak kísérleteket és érvényesíti a fiatalkorúakra vonatkozó biztonsági házirendeket. Ezzel szemben a fejlesztők és integrátorok oldalán három fő védelmi mechanizmus jelenik meg. A gondolatlánc, angolul chain of thought monitorozás keretében az API aktívan felügyeli a modell belső következtetési láncát, hogy időben közbelépjen, ha a folyamat kártékony irányba tér el.
Zero trust jogosultságkezelés
A megerősítési mechanizmusok, azaz a human in the loop elv szerint érzékenyebb környezetekben, például terminálhozzáférésnél, böngészésnél vagy API hívásoknál, a modell explicit emberi megerősítést kérhet, ami lelassíthatja a teljesen autonóm munkafolyamatokat. Emellett jelentősen nőtt a modell ellenálló képessége a kontextuson belüli, prompt injection típusú támadásokkal szemben. A vállalati szféra és a biztonsági vezetők számára a helyzet kettős. A Daybreak programon keresztül a vállalatok automatizálhatják a forráskódauditokat, a patchtesztelést és a biztonsági rések feltárását, még mielőtt a támadók felfedeznék azokat, vagyis komoly védelmi előnyhöz, úgynevezett blue team előnyhöz juthatnak.
Ugyanakkor a modell önmagában már nem tekinthető megbízhatónak, ezért a vállalatoknak a modellszintű beállításokon túl hálózati szintű izolációt, zero trust jogosultságkezelést és folyamatos, viselkedésalapú telemetriát kell kiépíteniük a közvetlen API-t vagy ágensrendszereket futtató környezetek köré. A GPT-6 Astra az autonóm szoftveres műveletek korszakának kezdetét jelzi. A védekező oldal számára példátlan automatizációt hoz a kódjavításban és a sérülékenységvizsgálatban. Ugyanakkor az ExploitBenchen mért 100 százalékos arány egyértelművé teszi: az infrastruktúrák védelmében a kizárólag emberi sebességre épülő biztonsági folyamatok végérvényesen elavulttá váltak.