Claude Fable 5.2 vượt GPT-6 Cyber trong kiểm thử tấn công mạng
"Anthropic released Claude Fable 5.2 and Claude Mythos 5.2, demonstrating improved performance in coding, reasoning, and cybersecurity tasks. Fable 5.2 achieved 76.3% success on Irregular's CyScenarioBench, surpassing GPT-6 Cyber's 61%, and scored 89.6% on Anthropic's CVE Rediscovery benchmark. The models are available on major cloud platforms and include updated security features like continuous code scanning."
Anthropic cải thiện khả năng phát hiện và sửa lỗ hổng bảo mật trong LLM, giảm thiểu rủi ro từ các cuộc tấn công mạng. Việc này đặc biệt quan trọng với các ứng dụng AI trong bảo mật.
Các doanh nghiệp có thể sử dụng Claude Fable 5.2 để tự động hóa các tác vụ kiểm thử bảo mật, giảm chi phí và thời gian phát hiện lỗ hổng phần mềm. Tuy nhiên, cần đánh giá kỹ lưỡng trước khi tích hợp vào quy trình sản xuất.
Anthropic công bố Claude Fable 5.2 và Claude Mythos 5.2, cải thiện khả năng lập trình, suy luận và bảo mật. Fable 5.2 đạt 76.3% thành công trên Irregular's CyScenarioBench, vượt qua 61% của GPT-6 Cyber và 89.6% trên CVE Rediscovery benchmark.
Các mô hình này có sẵn trên AWS, Google Cloud, Azure và tích hợp tính năng quét mã liên tục. Trước khi phát hành, LLM này giúp kỹ sư hoàn thành các dự án di chuyển phần mềm phức tạp, thiết kế thiết bị điện tử và giải quyết các bài toán vật lý.
Irregular báo cáo Gemini 4 Argon giải quyết 12 thử thách trên CyScenarioBench, tăng từ 5 của Gemini 3.8 Flash Cyber. GPT-6 Cyber hoàn thành 11/11 kịch bản dài hạn, tỉ lệ thành công trung bình 61%, và giải quyết tất cả 22 thử thách Atomic Challenges với độ chính xác cao trong nghiên cứu lỗ hổng, mô phỏng tấn công mạng và vượt qua hệ thống phòng thủ.
Anthropic mô tả Claude Mythos 5.2 là mô hình mạnh nhất cho kỹ thuật bảo mật, có khả năng phát hiện và sửa lỗi tốt hơn. Các tính năng bảo mật được cung cấp thông qua Cyber Verification Program.
Câu hỏi thường gặp
CyScenarioBench là gì?
CyScenarioBench là một bộ kiểm thử đo lường khả năng của mô hình AI trong việc lập kế hoạch và thực hiện các cuộc tấn công mạng nhiều giai đoạn trong môi trường thực tế.
CVE Rediscovery benchmark đánh giá điều gì?
CVE Rediscovery benchmark đánh giá khả năng của mô hình AI trong việc tự động phát hiện các lỗ hổng bảo mật đã biết chỉ dựa trên mã nguồn bị ảnh hưởng.
Claude Fable 5.2 có sẵn trên những nền tảng nào?
Claude Fable 5.2 có sẵn trên Amazon Web Services, Google Cloud và Microsoft Azure.
Góc nhìn của Orange Cloud
Theo chúng tôi, việc Anthropic cải thiện khả năng bảo mật của LLM là đáng chú ý với các doanh nghiệp Việt Nam đang tìm cách tự động hóa các tác vụ liên quan đến bảo mật. Các công ty có thể thử nghiệm Fable 5.2 thông qua Cyber Verification Program để đánh giá khả năng phát hiện lỗ hổng trong mã nguồn. Tuy nhiên, cần cân nhắc kỹ lưỡng trước khi tích hợp vào quy trình sản xuất do các mô hình AI vẫn có thể tạo ra kết quả không chính xác.