Memperluas Daybreak saat waktu pertahanan siber menyempit
Memperkenalkan cara baru untuk memanfaatkan kemampuan siber canggih bersama GPT‑5.6‑Cyber, model khusus keamanan siber terbaru kami.
Dunia keamanan siber berubah pesat—pelaku ancaman akan makin sering menggunakan AI untuk melancarkan serangan siber dengan kecepatan dan skala yang belum pernah terjadi, termasuk secara sepenuhnya otonom. Seiring meluasnya kemampuan ini, waktu yang tersedia bagi para pelindung untuk bersiap makin sempit. Jawaban kami adalah menghadirkan kecerdasan terdepan bagi para pelindung tepercaya di mana pun sebelum penyerang menerapkan kemampuan AI ofensif dalam skala besar.
Kami memperluas OpenAI Daybreak dengan dua tingkat akses yang dirancang untuk memberi pelindung yang disetujui kemampuan yang tepat bagi pekerjaan mereka:
- Daybreak Blue menyediakan akses ke model serbaguna terdepan, termasuk GPT‑5.6 Sol, dengan perlindungan yang disesuaikan untuk pekerjaan keamanan defensif resmi. Ini adalah titik awal yang direkomendasikan bagi sebagian besar pelindung, dengan dukungan untuk penemuan kerentanan, peninjauan keamanan kode, analisis malware, respons insiden, dan validasi patch.
- Daybreak Red menyediakan akses ke model keamanan siber kami yang dilatih khusus untuk riset kerentanan resmi, validasi eksploit, dan pengujian keamanan.
Kami juga memperkenalkan GPT‑5.6‑Cyber, yang tersedia melalui Daybreak Red. Dibangun di atas GPT‑5.6 Sol, model ini dilatih untuk meningkatkan kemampuan pada beberapa tugas khusus keamanan siber (misalnya menemukan kerentanan zero-day dan mengembangkan rantai eksploit) serta mengurangi penolakan untuk tugas siber penggunaan ganda tertentu yang berisiko lebih tinggi.
Daybreak membuka kemampuan siber canggih
Seperti yang telah kami sampaikan, GPT‑5.6 Sol menghadirkan performa mutakhir untuk tugas keamanan siber. Dalam produksi, kami menerapkan perlindungan tingkat sistem untuk menyaring permintaan terkait keamanan siber dan mencegah penyalahgunaan, tetapi perlindungan ini juga dapat menghalangi pekerjaan defensif yang sah. Akses Daybreak Blue menghapus pagar pengaman tersebut sehingga pelindung dapat memaksimalkan model untuk tugas keamanan di dunia nyata, termasuk deteksi dan respons insiden, investigasi, pengelolaan kerentanan, dan penilaian keamanan.
Bahkan tanpa pagar pengaman tingkat sistem, GPT‑5.6 Sol tetap akan menolak prompt keamanan siber dengan potensi penggunaan ganda yang sangat tinggi (misalnya pengujian penetrasi pada sistem produksi). Untuk mengatasinya, kami melatih GPT‑5.6‑Cyber, yang tersedia melalui akses Daybreak Red, agar makin jarang menolak dan memberikan performa lebih baik pada tugas tertentu. GPT‑5.6‑Cyber membantu pelindung tepercaya menjalankan aktivitas keamanan yang sah.
Untuk mengukur penurunan tingkat penolakan yang diberikan GPT‑5.6‑Cyber melalui akses Daybreak Red, kami membuat evaluasi internal (Tingkat Penyelesaian Keamanan Siber Lanjutan) yang mengukur seberapa sering model merespons permintaan terkait pengembangan rantai eksploit, penerobosan autentikasi, eskalasi hak istimewa, dan skenario keamanan siber lanjutan lainnya1. GPT‑5.6‑Cyber menyelesaikan 95,0% permintaan ini, dibandingkan hanya 1,5% untuk GPT‑5.6 Sol dan 2,0% saat digunakan dengan akses Daybreak Blue. Model ini juga menyelesaikan lebih banyak permintaan daripada GPT‑5.5‑Cyber, yang hanya menyelesaikan 57,3% permintaan, sekaligus menanggapi masukan peneliti keamanan yang terus mengalami penolakan dari model sebelumnya.
Di bawah ini kami menampilkan serangkaian prompt keamanan siber beserta respons model dari GPT‑5.6 Sol dengan pagar pengaman tingkat sistem, GPT‑5.6 Sol (Daybreak Blue), GPT‑5.5‑Cyber (Daybreak Red), dan GPT‑5.6‑Cyber (Daybreak Red).
Meningkatkan performa keamanan siber
Model GPT‑5.6‑Cyber dilatih untuk meningkatkan performa pada alur kerja keamanan siber tertentu yang melibatkan pengembangan eksploit dan riset keamanan lanjutan. Pada ExploitGym2, yang mengevaluasi kemampuan agen mengubah kerentanan yang diketahui menjadi eksploit berfungsi untuk menjalankan kode arbitrer di lingkungan terkendali, GPT‑5.6‑Cyber mengungguli GPT‑5.6 Sol dan GPT‑5.5 Cyber.
Bidang lain yang ingin ditingkatkan GPT‑5.6‑Cyber adalah kemampuan menemukan dan mengkalibrasi tingkat keparahan kerentanan zero-day baru secara akurat. Kami membuat set data evaluasi internal yang menyediakan rilis terkini dari sebuah repositori sumber terbuka kepada model. Kemudian, kami meminta model menghasilkan eksploit bukti konsep dengan dampak semaksimal mungkin beserta uraian teknis temuannya. Model dievaluasi berdasarkan tingkat keparahan dan dampak temuannya, serta kalibrasi dan kualitas uraian teknis yang menyertainya. Berkat pelatihan khususnya, GPT‑5.6‑Cyber (Daybreak Red) mengungguli GPT‑5.6 Sol (Daybreak Blue) pada tolok ukur ini.
Kami juga mengevaluasi GPT‑5.6‑Cyber dengan evaluasi internal Penemuan Kerentanan dan Penulisan Laporan, yang memberi agen prompt terbuka untuk menemukan kerentanan dalam repositori yang diketahui memiliki kerentanan. Model memperoleh poin dalam evaluasi ini dengan menemukan kerentanan parah yang dapat ditindaklanjuti (baik baru maupun sudah diketahui), mengembangkan bukti konsep yang berfungsi, dan menyerahkan laporan kerentanan berkualitas tinggi. GPT‑5.6 Sol dan GPT‑5.6‑Cyber sama-sama lebih baik daripada GPT‑5.5‑Cyber. Performa GPT‑5.6‑Cyber lebih rendah daripada GPT‑5.6 Sol dalam evaluasi ini, yang kami yakini disebabkan model terkadang menghasilkan laporan kerentanan yang lebih singkat dan kurang terperinci.
Terakhir, kami mengukur kemampuan pengembangan eksploit pada ExploitBench3, evaluasi yang menguji kemampuan agen mengembangkan kerentanan V8 menjadi eksploit lengkap. Tugas eksploitasi ini lebih sulit daripada ExploitGym—lebih banyak perlindungan defensif, seperti sandbox V8, tetap diaktifkan, dan agen menerima lebih sedikit informasi tentang kerentanan yang harus dieksploitasi. Dalam konfigurasi standar yang membatasi agen hingga 300 giliran, GPT‑5.6 Sol (Daybreak Blue) menyelesaikan tugas dengan penggunaan token yang lebih efisien dan memberikan performa terbaik. Jika batas konfigurasi standar diperluas dari 300 menjadi 600 giliran, kesenjangan performa kedua model menyempit.
Selain hasil tolok ukur evaluasi, kami juga memberikan akses awal GPT‑5.6‑Cyber kepada sekelompok mitra pelanggan tepercaya. Para pelanggan ini berhasil menggunakan model tersebut untuk mempercepat alur kerja defensif mereka dengan hasil yang sangat baik:
Menemukan dan menambal kerentanan pada perangkat lunak dunia nyata
Kemampuan GPT‑5.6‑Cyber melampaui performa tolok ukur riset hingga mencakup riset kerentanan di dunia nyata. Riset kerentanan di dunia nyata sering kali memerlukan penalaran berkelanjutan pada basis kode besar yang belum dikenal. Peneliti harus menyusun dan menguji hipotesis, menelusuri interaksi antarkomponen, mereproduksi perilaku tak terduga, dan menentukan apakah kerentanan yang dicurigai dapat dieksploitasi dalam praktik.
Sejak model GPT‑5.6‑Cyber selesai dilatih, kami telah menggunakannya untuk mempelajari dan meningkatkan sejumlah proyek perangkat lunak secara ekstensif. Sebagai contoh, kami menggunakan GPT‑5.6‑Cyber untuk menyelidiki V8, mesin JavaScript yang digunakan Chrome. Kami menemukan dua kerentanan yang sebelumnya tidak diketahui dan dapat dirangkai untuk merusak memori serta keluar dari sandbox heap V8. Peneliti kami memvalidasi temuan tersebut dan melaporkannya kepada Google melalui pengungkapan kerentanan terkoordinasi. Google memperbaiki kerentanan tersebut dan menetapkan ID CVE-2026-15903.
CVE-2026-15903 adalah kerentanan berkeparahan tinggi pada V8, mesin JavaScript milik Chrome. Kompilator pengoptimalnya secara keliru melewatkan pemeriksaan keamanan saat mengonversi nilai menjadi bilangan bulat sehingga nilai yang tidak terdefinisi menghasilkan angka yang sangat besar secara tak terduga, bukan hasil yang semestinya.
Jika angka tersebut digunakan sebagai indeks larik, kompilator dapat keliru menganggapnya berada dalam batas larik dan mengabaikan pemeriksaan batas yang biasa dilakukan. Penyerang kemudian dapat membaca atau menimpa memori milik objek lain, yang berpotensi memungkinkan eksekusi kode arbitrer di dalam sandbox Chrome. Keluar dari sandbox heap umumnya memerlukan kerentanan kedua, yang juga ditemukan oleh GPT‑5.6‑Cyber. Diagram di bawah memberikan gambaran umum tentang kerentanan berkeparahan tinggi ini.
Selain kerentanan V8 ini, kami juga menggunakan GPT‑5.6‑Cyber untuk mengidentifikasi masalah berkeparahan tinggi pada berbagai perangkat lunak, mulai dari basis data populer hingga ponsel:
- Sedikitnya lima kerentanan pada sistem operasi seluler populer, termasuk rantai dari aplikasi tidak tepercaya hingga eskalasi hak istimewa lokal.
- Tiga kerentanan kritis pada basis data populer, termasuk jalur jarak jauh menuju eksekusi kode.
- Lebih dari 400 kerentanan yang dapat menyebabkan eskalasi hak istimewa pada kernel sistem operasi populer.
Kami bekerja sama erat dengan mitra Daybreak dan anggota komunitas sumber terbuka untuk mengungkapkan dan memperbaiki kerentanan pada OS seluler, basis data, dan kernel tersebut.
Evaluasi Kesiapan
Berdasarkan Kerangka Kerja Kesiapan kami, kemampuan keamanan siber model GPT‑5.6 Sol dinilai Tinggi dan berada di bawah ambang Kritis. Sebelum meluncurkan GPT‑5.6‑Cyber, kami juga mengevaluasi kemampuan siber terdepannya dan menetapkan bahwa model ini juga mencapai ambang Tinggi, tetapi bukan ambang Kritis. Model ini lebih baik daripada GPT‑5.6 Sol pada beberapa tugas siber khusus yang dilatih secara langsung, tetapi peningkatannya belum cukup untuk mencapai ambang Kritis kami. Perlu diketahui, seperti yang kami sebutkan dalam pembaruan mengenai insiden Hugging Face, GPT‑5.6‑Cyber tidak terlibat dalam eksploitasi Hugging Face, begitu pula model lain yang direncanakan untuk rilis mendatang.
Kami akan menerbitkan kartu sistem berisi evaluasi lanjutan GPT‑5.6‑Cyber di kemudian hari.
Akses dan perlindungan
Model yang berjalan dengan perlindungan lebih terbatas membawa risiko di luar penggunaan model standar, baik akibat penyalahgunaan maupun ketidakselarasan. Terlepas dari risiko tersebut, kami meyakini bahwa demokratisasi akses ke kecerdasan terdepan bagi pelindung sangat penting untuk mempercepat dan mengotomatiskan pertahanan siber.
Akses Daybreak Blue dan Daybreak Red tersedia bagi individu(terbuka di jendela baru) dan organisasi yang disetujui untuk menjalankan pekerjaan resmi. Kami mengendalikan akses melalui verifikasi identitas, keamanan akun, pemantauan, pembatasan penggunaan yang disetujui, dan pernyataan hukum.
Kami juga mengambil langkah tambahan untuk memungkinkan penggunaan model siber yang lebih aman:
- Kami sangat menganjurkan pelanggan Daybreak yang menggunakan Codex untuk beralih dari mode akses penuh ke mode peninjauan otomatis melalui pengaturan default aplikasi dan fitur UI. Peninjauan otomatis mengevaluasi tindakan yang memerlukan izin lebih tinggi sebelum dijalankan dan dapat memblokir permintaan yang berisiko besar menyebabkan perilaku merusak.
- Mulai 1 September 2026, kami mewajibkan semua akun individu di Daybreak menggunakan kunci keamanan perangkat keras.
- Kami terus mengembangkan langkah keamanan tambahan, termasuk peningkatan pemantauan, yang akan kami luncurkan dalam beberapa minggu mendatang.
- Kami memprioritaskan pelatihan dan pengujian penyelarasan untuk rilis Daybreak mendatang.
- Kami telah memperbarui dokumentasi Codex mengenai praktik terbaik keselamatan untuk membantu tim menjaga agen berkemampuan siber tetap berada dalam batas keamanan yang dimaksudkan.
Praktik terbaik dalam menggunakan seri Daybreak meliputi:
- Gunakan sandbox dan isolasi. Jalankan alur kerja keamanan di lingkungan terkendali tanpa akses ke sistem produksi sensitif atau internet terbuka. Uji batas sandbox secara berkala.
- Pantau tindakan agen. Gunakan mode peninjauan otomatis(terbuka di jendela baru) untuk meninjau panggilan alat di luar sandbox Codex sebelum dijalankan. Tambahkan pemantauan dan pengawasan manusia untuk alur kerja yang berisiko lebih tinggi.
- Tentukan cakupan. Tentukan sistem dan tindakan yang diizinkan. Gunakan profil izin terbatas(terbuka di jendela baru) untuk menegakkan batas tersebut.
Organisasi juga dapat menyesuaikan kebijakan peninjauan(terbuka di jendela baru) untuk alur kerja khusus mereka.
Kami merekomendasikan Daybreak Blue sebagai titik awal bagi sebagian besar pelindung. Tim yang pekerjaan resminya mencakup riset kerentanan lanjutan, pengembangan eksploit, atau red teaming dapat meminta akses Daybreak Red untuk model siber tercanggih kami. Ajukan permohonan untuk bergabung dengan program di openai.com/daybreak/partners.
1. Untuk semua evaluasi, kami menampilkan performa setiap model pada tingkat penalaran tertinggi yang tersedia untuk publik. Perlu diketahui bahwa anggaran penalaran GPT‑5.6‑Cyber cenderung lebih luas dan menyeluruh daripada GPT‑5.6 Sol sehingga penggunaan token lebih tinggi.
2. Semua evaluasi ExploitGym dilakukan menggunakan implementasi internal baru kami di lingkungan terisolasi yang diperkuat keamanannya, dengan pemantauan ketat terhadap perilaku yang tidak selaras.
3. Evaluasi ExploitBench dilakukan menggunakan implementasi internal kami di lingkungan terisolasi yang diperkuat keamanannya.
