شرکت Anthropic در اقدامی راهبردی که واکنشی مستقیم به پیامدهای مدل‌های پیشرو خود در حوزه امنیت نرم‌افزار است، از برنامه جدیدی تحت عنوان «Anthropic Cyber Mission» رونمایی کرد. این ابتکار با هدف کاهش آسیب‌پذیری‌های زیرساخت‌های حیاتی و ارتقای امنیت پروژه‌های متن‌باز (OSS) طراحی شده است تا توازن قوا را در میدان نبرد دیجیتال به نفع مدافعان تغییر دهد.
پاسخ به چالش‌های عصر هوش مصنوعی مهاجم
با گسترش استفاده از مدل‌های زبانی بزرگ (LLM) برای کشف و بهره‌برداری از حفره‌های امنیتی، «Anthropic Cyber Mission» در دو حوزه اصلی متمرکز شده است. نخست، برنامه دفاع از زیرساخت‌های حیاتی (Critical Infrastructure Defense Program) که بر جلوگیری از سوءاستفاده از آسیب‌پذیری‌های روز-صفر (Zero-day) در سیستم‌های SCADA و خدمات عمومی تمرکز دارد. این برنامه با ترکیب مدل‌های هوش مصنوعی پیشرفته با حضور مهندسان خبره در محل (Forward Deployed Engineers)، شکاف مهارتی موجود در سازمان‌ها را پر می‌کند.
همکاری‌های استراتژیک برای ارتقای تاب‌آوری
Anthropic در این مسیر تنها نیست و با ائتلافی از بزرگان صنعت امنیت و مشاوره از جمله CrowdStrike، Palo Alto Networks، Dragos و Rockwell Automation همکاری می‌کند. این شراکت به سازمان‌های مسئول زیرساخت اجازه می‌دهد تا از توان پردازشی و تحلیلی هوش مصنوعی برای شناسایی الگوهای تهاجمی استفاده کنند که پیش از این، شناسایی آن‌ها برای تحلیلگران انسانی بسیار زمان‌بر و پیچیده بود.
سرویس OSS Scanner؛ امنیت هوشمند برای متن‌باز
بخش دوم این طرح، سرویس «OSS Scanner» است. این ابزار به پروژه‌های متن‌بازِ تاثیرگذار و حیاتی، اسکن‌های امنیتی خودکار و رایگان ارائه می‌دهد. Anthropic برای تعیین صلاحیت پروژه‌ها از معیارهای مشابه OS-FUZZ گوگل استفاده می‌کند. نکته مهم برای توسعه‌دهندگان این است که داده‌های ورودی و خروجی در این فرآیند ممکن است برای بهبود مدل‌های Anthropic مورد استفاده قرار گیرند. این سیستم اکنون می‌تواند بیش از ۸۵ درصد آسیب‌پذیری‌ها را شناسایی کند، در حالی که این رقم در اوایل سال ۱۴۰۴ (۲۰۲۵ میلادی) تنها ۲۰ درصد بود.
ویژگی‌های کلیدی و نیازمندی‌ها
- هدف‌گذاری: پروژه‌های متن‌باز با تاثیرگذاری بالا در زیرساخت و امنیت.
- مکانیزم اسکن: ارائه گزارش‌های خودکار و بدون بررسی انسانی از آسیب‌پذیری‌های بالقوه.
- توانایی مدل: افزایش نرخ کشف حفره‌های امنیتی به بالای ۸۵٪.
- شرایط همکاری: پذیرش استفاده از داده‌های ارسالی برای آموزش مدل طبق شرایط خدمات Anthropic.
چشم‌انداز آینده و گذار از ابزارهای سنتی
تا پیش از این، مدیریت امنیت نرم‌افزار متکی بر ابزارهایی نظیر Socket، Dependabot و Trivy بود. با این حال، Anthropic پیش‌بینی می‌کند که تا دو سال آینده، به دلیل سرعت خیره‌کننده هوش مصنوعی در تحلیل کد پیش از انتشار، مدافعان برتری مطلق را در اختیار خواهند گرفت. این اقدامات نه تنها پاسخی به فشارهای دولت‌ها و نهادهای ناظر بر فعالیت هوش مصنوعی است، بلکه گامی ضروری برای مقابله با رخدادهایی است که پیش‌تر مدل‌های پیشرو را به مسیرهای غیرقانونی هدایت کرده بودند.
