Mô hình AI mở của Cisco tập trung phát hiện lỗ hổng bảo mật trong phần mềm

Cisco mới đây công bố hai mô hình AI nhỏ gọn, Antares-350M và Antares-1B, thuộc dòng sản phẩm Antares chuyên dành cho bảo mật phần mềm. Hai mô hình này đã được cung cấp trên nền tảng Hugging Face nhưng chỉ dành cho các người dùng được xét duyệt kỹ càng, như các tổ chức học thuật, phi lợi nhuận và các nhóm bảo mật ở tổ chức công và tư nhân. Mục tiêu là giúp những đơn vị này có thể tiếp cận công cụ chuyên biệt giúp phát hiện lỗ hổng mã nguồn trong phần mềm, góp phần giảm thiểu rủi ro bảo mật.

Vận hành cục bộ, bảo vệ tối đa mã nguồn nội bộ

Điểm nổi bật của Antares-350M và Antares-1B là khả năng vận hành trực tiếp trên hệ thống của tổ chức mà không cần gửi mã nguồn ra đám mây hoặc máy chủ bên ngoài. Điều này giúp giữ bí mật tuyệt đối về mã nguồn nội bộ, đồng thời đáp ứng được các tiêu chuẩn nghiêm ngặt về bảo mật và tuân thủ quy định. DJ Sampath, Phó chủ tịch cấp cao của Cisco về AI cho biết người dùng cần kiểm soát quyền truy cập mã nguồn để quét và phát hiện điểm yếu bảo mật, đồng thời ngăn ngừa nguy cơ tấn công tiềm ẩn từ các dịch vụ hoặc điểm cuối trong hệ thống.

Hiệu quả vượt trội so với các mô hình AI khổng lồ

Điều làm nên sự khác biệt của Antares nằm ở kiến trúc gọn nhẹ nhưng hiệu quả cao. Mô hình Antares-1B được đánh giá vượt trội hơn cả Google Gemini 3 Pro và tương đương với GLM-5.2 của Z.ai trong các bài kiểm tra nhận diện lỗ hổng bảo mật. Phiên bản lớn hơn, Antares-3B, dự kiến sẽ cho kết quả tốt hơn cả GLM-5.2 và GPT-5.5 của OpenAI, nhưng sẽ chỉ được phân phối hạn chế để đảm bảo trách nhiệm trong việc phát hành.

Đặc biệt, Antares quét 500 kho mã trong vòng chỉ 15 phút, so với 5 giờ của các mô hình ''frontier'' khác, giúp giảm chi phí vận hành từ hơn 100 USD xuống dưới 1 USD cho mỗi lần kiểm tra. Amin Karbasi, Phó chủ tịch và nhà khoa học AI trưởng Cisco, chia sẻ rằng phương pháp xây dựng Antares tập trung vào việc mô hình trở thành một công cụ điều tra chính xác, nhanh nhẹn, giống như một công cụ tìm kiếm chuyên sâu chứ không phải chatbot thông thường.

Cách tiếp cận khác biệt trong đào tạo mô hình

Theo Karbasi, Antares được huấn luyện với nhiều chiến thuật tìm kiếm lỗ hổng, nhằm thích ứng khi phương pháp này không hiệu quả, nó sẽ chuyển sang chiến thuật khác đến khi tìm được kết quả. Kích thước nhỏ gọn giúp mô hình có thể thực hiện các chiến thuật song song đồng thời, tạo lợi thế vượt trội so với các mô hình lớn hơn.

"Bạn không cần một máy bay riêng để đến cửa hàng góc phố," Sampath ví von, tương tự như lợi ích của việc dùng mô hình nhỏ, chuyên biệt giúp xử lý nhanh và tiết kiệm khi phát hiện lỗi phần mềm.

Quảng cáo300 × 250

Việc phát triển Antares đặt trọng tâm vào bảo mật nội bộ, tốc độ xử lý và tiết kiệm chi phí, có thể áp dụng rộng rãi trong các doanh nghiệp và tổ chức quan tâm đến an ninh phần mềm mà không phải phụ thuộc vào các dịch vụ đám mây bên ngoài.

Những điều bổ ích từ bài viết

  • Hai mô hình Antares-350M và Antares-1B của Cisco giúp phát hiện lỗ hổng bảo mật phần mềm hiệu quả, giao diện mở nhưng quyền truy cập được kiểm soát chặt.
  • Các mô hình của Cisco chạy cục bộ, không gửi mã nguồn ra đám mây, giúp bảo vệ dữ liệu nội bộ và đáp ứng yêu cầu bảo mật cao.
  • Antares-1B hiệu quả hơn Google Gemini 3 Pro và tương đương GLM-5.2, trong khi Antares-3B còn vượt trội GPT-5.5 của OpenAI trong phát hiện lỗ hổng.
  • Thời gian kiểm tra 500 kho mã của Antares chỉ 15 phút, trong khi các mô hình lớn mất 5 giờ, tiết kiệm chi phí đáng kể (dưới 1 USD so với trên 100 USD).
  • Mô hình tập trung là công cụ điều tra và tìm kiếm lỗ hổng nhanh nhẹn, không phải chatbot thông thường, thích ứng với nhiều phương pháp tìm kiếm.

Đăng ký bản tin QMVN

Nhận tin tổng hợp mỗi sáng - chỉ những bài đáng đọc, không spam.

Bài viết được biên tập với sự hỗ trợ của công cụ trí tuệ nhân tạo (AI), tổng hợp từ các nguồn tin dẫn bên dưới và đã qua kiểm duyệt của toà soạn Quang Minh Việt Nam.