Belgijos bendrovė „Aikido Security“ pristatė „Altar-1“ – dirbtinio intelekto modelį, skirtą pažeidžiamumams aptikti ir kodui analizuoti. Jis gali veikti organizacijos vietinėje infrastruktūroje.

„Aikido“ teigia, kad viešai prieinami modelio svoriai ir galimybė jį diegti vietoje mažina priklausomybę nuo debesijos paslaugų bei užtikrina, kad jautrus kodas ir saugumo analizės rezultatai nepaliktų vidinių tinklų.

„Altar-1“ nebuvo mokytas nuo nulio. „Aikido“ jį sukūrė Z.AI pateikto GLM-5.3 modelio pagrindu, o jo dydį sumažino taikydama kvantizavimą ir genėdama ekspertų modulius.

„Aikido“ nurodo, kad visas GLM-5.3 modelis užima apie 1,51 terabaito. Pritaikius kvantizavimą, jo dydis sumažėjo iki 488 gigabaitų, o po tolesnio genėjimo – iki 328 gigabaitų.

Genėdama modelį, „Aikido“ pašalino 88 iš 256 ekspertų modulių – apie 34,4 proc. visų ekspertų.

„Aikido“ teigia, kad „Altar-1“ optimizuotas programinės įrangos pažeidžiamumams nustatyti, kodui analizuoti, įrankiams iškviesti, samprotauti ir skverbimosi testavimo darbo eigoms vykdyti. Modelis gali veikti keturiuose H200 grafikos procesoriuose, naudojant vLLM.

Bendrovė pabrėžia modelio aktualumą organizacijoms, kurios negali leisti kodui ar saugumo duomenims palikti vidinių tinklų, ypač bankininkystės, sveikatos priežiūros ir kritinės infrastruktūros sektoriuose.

Vertindama modelį, „Aikido“ išbandė „Altar-1“ su 32 žinomais pažeidžiamumais 30 kodo saugyklų rinkinyje. „Altar-1“ iš viso aptiko 60,4 proc. pažeidžiamumų ir bent kartą nustatė 23 iš 32 problemų.

Palyginimui, „Aikido“ nurodo, kad kvantizuoto GLM-5.3 aptikimo rodiklis siekė 61,5 proc., o pradinio GLM-5.3 modelio – 65,6 proc. Testą atliko pati „Aikido“ ir pažymi, kad rezultatai nebūtinai atspindi modelio našumą aptinkant nežinomus pažeidžiamumus ar veikiant realiomis sąlygomis.

„Aikido“ teigia, kad „Altar-1“ yra pirmasis „Aikido Labs“ plano kurti specializuotus saugumo modelius pažeidžiamumų tyrimams, kodo analizei, automatiniams pataisymams ir pažangiam skverbimosi testavimui žingsnis. Modelio svoriai paskelbti „Hugging Face“ platformoje, taip pat palaikomas vietinis diegimas.

Techninė pastaba: „Hugging Face“ puslapyje „Altar-1“ nurodomas kaip maždaug 504 mlrd. parametrų modelis, o 328 gigabaitų dydis reiškia INT4 svorių apimtį. „Aikido“ įspėja, kad šie du skaičiai nėra tiesiogiai palyginami.