კიბერუსაფრთხოების საბაზისო მოდელი — ეს არის დიდი AI მოდელი, რომელიც, იმის ნაცვლად, რომ ვარჯიშობდეს ყველაფერზე — წერილების წერიდან მოგზაურობის დაგეგმვამდე — სპეციალურად არის აგებული და დამატებით ვარჯიშდება კიბერუსაფრთხოებაზე: კოდში დაუცველობების პოვნაზე, გაფრთხილებების პრიორიტეტიზაციაზე, თავდასხმების სიმულაციაზე და ინციდენტების ანგარიშების შედგენაზე. ეს არის უფრო ვიწრო, სპეციალიზებული ვერსია იმ ფართო იდეისა, რასაც საბაზისო მოდელი ჰქვია — დიდი მოდელი, რომელიც უზარმაზარ მონაცემებზეა გაწვრთნილი და შემდეგ შესაძლებელია მისი მორგება მრავალ კონკრეტულ ამოცანაზე.
რით განსხვავდება ჩვეულებრივი ჩატბოტისგან
უმეტესობისთვის, გამოცდილება AI-სთან დაკავშირებით ზოგადი დანიშნულების ასისტენტს გულისხმობს, რომელსაც შეუძლია თითქმის ნებისმიერ თემაზე საკმაოდ კარგად ისაუბროს, მაგრამ არცერთში არ არის განსაკუთრებული. კიბერუსაფრთხოების საბაზისო მოდელი საპირისპირო გზას ირჩევს: ის იწყება ძლიერი ზოგადი საბაზისო მოდელისგან და შემდეგ დამატებით ივარჯიშება — ამ პროცესს fine-tuning ჰქვია — კიბერუსაფრთხოების ვიწრო მასალაზე: დაუცველობების მონაცემთა ბაზებზე, თავდამსხმელთა ტექნიკების MITRE ATT&CK ჩარჩოზე, ინციდენტზე რეაგირების ანგარიშებზე და რეალურ საექსპლუატაციო კოდზე. ეს დამატებითი ვარჯიში მოდელს ასწავლის იმ ლექსიკას, გამონაკლის შემთხვევებსა და მსჯელობის ნიმუშებს, რომლებსაც ზოგადი მოდელი მხოლოდ გვერდიდან ხედავს.
მაიკროსოფტმა ეს იდეა პრაქტიკაში განახორციელა MAI-Cyber-1-Flash-ით — მისი პირველი კიბერუსაფრთხოებაზე სპეციალიზებული მოდელით, რომელიც ჩართულია დაუცველობების მოძიების „აგენტურ“ სისტემაში, სახელად MDASH. მაიკროსოფტის საკუთარი მოდელის ბარათის მიხედვით, ეს არის მეჩხერი ექსპერტთა ნაზავის (mixture-of-experts) ტრანსფორმერი 137 მილიარდი პარამეტრით სულ, თუმცა ერთდროულად მხოლოდ დაახლოებით 5 მილიარდი პარამეტრი „აქტიურდება“ თითოეულ მოთხოვნაზე — დიზაინი, რომელიც მას სწრაფსა და შედარებით იაფს ხდის, თან ინარჩუნებს რთული ტექნიკური ამოცანების გადაჭრის უნარს. მაიკროსოფტი ერთადერთი არ არის: Cisco-მ გამოუშვა უფრო პატარა, სრულად ღია კიბერუსაფრთხოების მოდელი, Foundation-Sec-8B, რომელიც შექმნილია Meta-ს Llama 3.1 მოდელის კიბერუსაფრთხოების ტექსტებზე დამატებითი ვარჯიშით.
რატომ აშენებენ კომპანიები ვიწრო მოდელს
სპეციალიზებული მოდელის აშენება და შენარჩუნება დამატებით საინჟინრო შრომას მოითხოვს, მაშ რატომ არ გამოიყენონ უბრალოდ ერთი დიდი, ზოგადი დანიშნულების მოდელი ყველაფრისთვის? ორი პრაქტიკული მიზეზი გამოირჩევა. პირველი — ღირებულება და სისწრაფე: კიბერუსაფრთხოების გუნდები ქმნიან უზარმაზარ მოცულობის რუტინულ სამუშაოს — ათასობით გასაფილტრი გაფრთხილება, ათასობით კოდის ხაზი, რომელიც ცნობილ ხარვეზებზე უნდა შემოწმდეს — და ამ ყველაფრის უდიდეს, ყველაზე ძვირადღირებულ ზოგად მოდელში გატარება არაეფექტურია. მაიკროსოფტის თქმით, MAI-Cyber-1-Flash MDASH-ის რუტინული სამუშაოს დაახლოებით 90%-ს ასრულებს წინა კონფიგურაციასთან შედარებით დაახლოებით ორჯერ ნაკლებ ფასად, ხოლო უფრო დიდ და ძვირ ზოგად მოდელს მხოლოდ ყველაზე რთული შემთხვევებისთვის ტოვებს. მეორე — სიზუსტე: კიბერუსაფრთხოებაში კლასიფიკაცია უჩვეულოდ დაუნდობელია — რეალური დაუცველობის გამოტოვება თავდამსხმელს გზას უხსნის, ხოლო ზედმეტად ბევრი ცრუ განგაშის მონიშვნა კი იწვევს იმას, რომ ანალიტიკოსები ინსტრუმენტს იგნორირებენ. მოდელი, რომელიც სპეციალურად კიბერუსაფრთხოების მონაცემებზეა გაწვრთნილი, ორივე ტიპის შეცდომას ნაკლებად უშვებს, ვიდრე ზოგადი მოდელი, რომელიც იმავე მასალაზე ნულიდან მსჯელობს.
ეს ტენდენცია კიბერუსაფრთხოებით არ შემოიფარგლება. ჩვენი ახსნა საბაზისო მოდელების შესახებ ფარავს იდეის ზოგად, ფართო ვერსიას; ეს კი ერთ-ერთია იმ ვიწრო, დარგზე ორიენტირებული ვერსიებიდან, რომლებიც მასზეა აგებული. Gartner-ის ანალიტიკოსების პროგნოზით, 2027 წლისთვის კორპორატიული გენერაციული AI-ის დანერგვების ნახევარზე მეტი დარგზე სპეციალიზებული იქნება — 2024 წლის დაახლოებით 1%-თან შედარებით. კიბერუსაფრთხოება უბრალოდ ერთ-ერთი პირველი სფეროა, რომელმაც საკუთარი სპეციალიზებული მოდელი მიიღო.
როგორ სცადოთ თავად
მაიკროსოფტის მოდელი საჯარო არ არის — MAI-Cyber-1-Flash ხელმისაწვდომია მხოლოდ დამოწმებული დამცველებისთვის, მაიკროსოფტის MDASH პლატფორმის მეშვეობით. მაგრამ ღია ალტერნატივა არსებობს: Cisco-ს Foundation-Sec-8B არის უფასო, ღია წონების 8-მილიარდპარამეტრიანი კიბერუსაფრთხოების მოდელი, გამოშვებული Apache 2.0 ლიცენზიით, ჩამოსატვირთი Hugging Face-იდან და საკმარისად პატარა, რომ ერთ თანამედროვე GPU-ზე გაეშვას — რეალური საშუალება იმის სანახავად, რაზეა უნარიანი კიბერუსაფრთხოებაზე სპეციალიზებული მოდელი, კორპორატიული წვდომის გარეშე.
სიახლეებში
მაიკროსოფტის მიერ MAI-Cyber-1-Flash-ის გამოშვება ერთ-ერთი ყველაზე ნათელი მაგალითია იმისა, თუ როგორ აშენებს დიდი AI ლაბორატორია სპეციალიზებულ კიბერუსაფრთხოების მოდელს, ზოგადი ჩატბოტის გამოყენების ნაცვლად — იხილეთ სრული რეპორტაჟი.