ಸೈಬರ್ ರಕ್ಷಣೆಯ ಅವಕಾಶ ಕುಗ್ಗುತ್ತಿದ್ದಂತೆ ಡೇಬ್ರೇಕ್ ವಿಸ್ತರಣೆ
ನಮ್ಮ ಇತ್ತೀಚಿನ ಸೈಬರ್ ಭದ್ರತಾ-ನಿರ್ದಿಷ್ಟ ಮಾಡೆಲ್ ಆದ GPT‑5.6‑Cyberನೊಂದಿಗೆ, ಸುಧಾರಿತ ಸೈಬರ್ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಅನ್ಲಾಕ್ ಮಾಡುವ ಹೊಸ ವಿಧಾನಗಳನ್ನು ಪರಿಚಯಿಸುತ್ತಿದ್ದೇವೆ.
ಸೈಬರ್ ಭದ್ರತಾ ಜಗತ್ತು ವೇಗವಾಗಿ ಬದಲಾಗುತ್ತಿದೆ - ಬೆದರಿಕೆಯೊಡ್ಡುವವರು ಸಂಪೂರ್ಣವಾಗಿ ಸ್ವಾಯತ್ತ ವಿಧಾನಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಅಭೂತಪೂರ್ವ ವೇಗ ಮತ್ತು ಪ್ರಮಾಣದಲ್ಲಿ ಸೈಬರ್ ದಾಳಿಗಳನ್ನು ನಡೆಸಲು AI ಅನ್ನು ಹೆಚ್ಚಾಗಿ ಬಳಸುತ್ತಾರೆ. ಈ ಸಾಮರ್ಥ್ಯಗಳು ಹರಡುತ್ತಿದ್ದಂತೆ, ರಕ್ಷಕರು ಸಿದ್ಧರಾಗಲು ಕಿರಿದಾದ ಕಿಟಕಿಯನ್ನು ಹೊಂದಿರುತ್ತಾರೆ. ದಾಳಿಕೋರರು ಆಕ್ರಮಣಕಾರಿ AI ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಪ್ರಮಾಣದಲ್ಲಿ ನಿಯೋಜಿಸುವ ಮೊದಲು ಎಲ್ಲೆಡೆ ವಿಶ್ವಾಸಾರ್ಹ ರಕ್ಷಕರ ಕೈಯಲ್ಲಿ ಗಡಿನಾಡು ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಇಡುವುದು ನಮ್ಮ ಉತ್ತರವಾಗಿದೆ.
ಅನುಮೋದಿತ ರಕ್ಷಕರಿಗೆ ಅವರ ಕೆಲಸಕ್ಕೆ ಸೂಕ್ತ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ನೀಡಲು ರೂಪಿಸಲಾದ ಎರಡು ಪ್ರವೇಶ ಹಂತಗಳೊಂದಿಗೆ OpenAI ಡೇಬ್ರೇಕ್ ಅನ್ನು ವಿಸ್ತರಿಸುತ್ತಿದ್ದೇವೆ:
- ಡೇಬ್ರೇಕ್ ಬ್ಲೂ ಅಧಿಕೃತ ರಕ್ಷಣಾತ್ಮಕ ಭದ್ರತಾ ಕಾರ್ಯಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ರೂಪಿಸಲಾದ ಸುರಕ್ಷತಾ ಕ್ರಮಗಳೊಂದಿಗೆ, GPT‑5.6 Sol ಸೇರಿದಂತೆ ಅತ್ಯಾಧುನಿಕ ಸಾಮಾನ್ಯ-ಉದ್ದೇಶದ ಮಾಡೆಲ್ಗಳಿಗೆ ಪ್ರವೇಶವನ್ನು ಒದಗಿಸುತ್ತದೆ. ದುರ್ಬಲತೆಗಳ ಪತ್ತೆ, ಸುರಕ್ಷಿತ ಕೋಡ್ ಪರಿಶೀಲನೆ, ಮಾಲ್ವೇರ್ ವಿಶ್ಲೇಷಣೆ, ಘಟನೆಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆ ಮತ್ತು ಪ್ಯಾಚ್ ಮೌಲ್ಯಮಾಪನದಂತಹ ಕಾರ್ಯಗಳನ್ನು ಬೆಂಬಲಿಸುವ ಇದು, ಹೆಚ್ಚಿನ ರಕ್ಷಣಾ ವೃತ್ತಿಪರರಿಗೆ ಸೂಕ್ತವಾದ ಆರಂಭಿಕ ವೇದಿಕೆಯಾಗಿದೆ.
- ಡೇಬ್ರೇಕ್ ರೆಡ್ ಅಧಿಕೃತ ದುರ್ಬಲತೆ ಸಂಶೋಧನೆ, ಎಕ್ಸ್ಪ್ಲಾಯಿಟ್ ಮೌಲ್ಯಮಾಪನ ಮತ್ತು ಭದ್ರತಾ ಪರೀಕ್ಷೆಗಾಗಿ, ನಿರ್ದಿಷ್ಟ ಉದ್ದೇಶಕ್ಕಾಗಿ ರೂಪಿಸಲಾದ ನಮ್ಮ ಸೈಬರ್ ಭದ್ರತಾ ಮಾಡೆಲ್ಗಳಿಗೆ ಪ್ರವೇಶವನ್ನು ಒದಗಿಸುತ್ತದೆ.
ನಾವು ಡೇಬ್ರೇಕ್ ರೆಡ್ ಮೂಲಕ ಲಭ್ಯವಾಗುವ GPT‑5.6‑Cyber ಅನ್ನು ಸಹ ಪರಿಚಯಿಸುತ್ತಿದ್ದೇವೆ. GPT‑5.6 Sol ಅನ್ನು ಆಧರಿಸಿ ನಿರ್ಮಿಸಲಾದ ಇದನ್ನು, ಸೈಬರ್ ಭದ್ರತೆಗೆ ಸಂಬಂಧಿಸಿದ ಹಲವಾರು ವಿಶೇಷ ಕಾರ್ಯಗಳಲ್ಲಿ (ಉದಾಹರಣೆಗೆ, ಜೀರೋ-ಡೇ vulnerabilities ಅಥವಾ ಅಜ್ಞಾತ ಭದ್ರತಾ ದೋಷಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವುದು ಮತ್ತು 'ಎಕ್ಸ್ಪ್ಲಾಯಿಟ್ ಚೈನ್'ಗಳನ್ನು ರೂಪಿಸುವುದು) ಸಾಮರ್ಥ್ಯವನ್ನು ಹೆಚ್ಚಿಸಲು ಹಾಗೂ ಹೆಚ್ಚಿನ ಅಪಾಯದ ಮತ್ತು ದ್ವಿತೀಯಕ ಬಳಕೆಯ ಸೈಬರ್ ಕಾರ್ಯಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ವಿನಂತಿಗಳನ್ನು ನಿರಾಕರಿಸುವ ಪ್ರವೃತ್ತಿಯನ್ನು ಕಡಿಮೆ ಮಾಡಲು ತರಬೇತಿ ನೀಡಲಾಗಿದೆ.
ಡೇಬ್ರೇಕ್ ಸುಧಾರಿತ ಸೈಬರ್ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಲಭ್ಯಗೊಳಿಸುತ್ತದೆ
ನಾವು ಈ ಹಿಂದೆ ತಿಳಿಸಿದಂತೆ, GPT‑5.6 Sol ಸೈಬರ್ಭದ್ರತಾ ಕಾರ್ಯಗಳಲ್ಲಿ ಅತ್ಯಾಧುನಿಕ ಕಾರ್ಯಕ್ಷಮತೆ ನೀಡುತ್ತದೆ. ದುರ್ಬಳಕೆ ತಡೆಯಲು ಉತ್ಪಾದನಾ ಪರಿಸರದಲ್ಲಿ ಸೈಬರ್ಭದ್ರತೆಗೆ ಸಂಬಂಧಿಸಿದ ವಿನಂತಿಗಳನ್ನು ಪರಿಶೀಲಿಸುವ ವ್ಯವಸ್ಥಾ-ಮಟ್ಟದ ಸುರಕ್ಷತಾ ಕ್ರಮಗಳನ್ನು ನಿಯೋಜಿಸುತ್ತೇವೆ. ಆದರೆ ಅವು ನ್ಯಾಯಸಮ್ಮತ ರಕ್ಷಣಾತ್ಮಕ ಕೆಲಸವನ್ನೂ ತಡೆಯಬಹುದು. ಡೇಬ್ರೇಕ್ ಬ್ಲೂ ಪ್ರವೇಶವು ಆ ನಿರ್ಬಂಧಗಳನ್ನು ತೆಗೆದುಹಾಕಿ, ಘಟನೆ ಪತ್ತೆ ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆ, ತನಿಖೆ, ದುರ್ಬಲತೆ ನಿರ್ವಹಣೆ ಹಾಗೂ ಭದ್ರತಾ ಮೌಲ್ಯಮಾಪನ ಸೇರಿದಂತೆ ನೈಜ ಭದ್ರತಾ ಕಾರ್ಯಗಳಲ್ಲಿ ಮಾಡೆಲ್ನಿಂದ ಹೆಚ್ಚು ಪ್ರಯೋಜನ ಪಡೆಯಲು ರಕ್ಷಕರಿಗೆ ನೆರವಾಗುತ್ತದೆ.
ವ್ಯವಸ್ಥಾ-ಮಟ್ಟದ ನಿರ್ಬಂಧಗಳಿಲ್ಲದಿದ್ದರೂ, ಅತಿಯಾಗಿ ದ್ವಿಬಳಕೆಯ ಕೆಲವು ಸೈಬರ್ಭದ್ರತಾ ಪ್ರಾಂಪ್ಟ್ಗಳನ್ನು GPT‑5.6 Sol ನಿರಾಕರಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಉತ್ಪಾದನಾ ವ್ಯವಸ್ಥೆಗಳ ಪೆನ್ಟೆಸ್ಟಿಂಗ್. ಇದನ್ನು ಪರಿಹರಿಸಲು, ನಿರಾಕರಣೆಗಳನ್ನು ಮತ್ತಷ್ಟು ಕಡಿಮೆ ಮಾಡಿ ಕೆಲವು ಕಾರ್ಯಗಳ ಕಾರ್ಯಕ್ಷಮತೆ ಸುಧಾರಿಸುವಂತೆ GPT‑5.6‑Cyberಗೆ ತರಬೇತಿ ನೀಡಿದ್ದೇವೆ. ಇದು ಡೇಬ್ರೇಕ್ ರೆಡ್ ಪ್ರವೇಶದ ಮೂಲಕ ಲಭ್ಯವಿದೆ. ವಿಶ್ವಾಸಾರ್ಹ ರಕ್ಷಕರು ನ್ಯಾಯಸಮ್ಮತ ಭದ್ರತಾ ಚಟುವಟಿಕೆಗಳನ್ನು ನಡೆಸಲು GPT‑5.6‑Cyber ನೆರವಾಗುತ್ತದೆ.
ಡೇಬ್ರೇಕ್ ರೆಡ್ ಮೂಲಕ GPT‑5.6‑Cyber ನೀಡುವ ಕಡಿಮೆಯಾದ ನಿರಾಕರಣೆ ಪ್ರಮಾಣವನ್ನು ಅಳೆಯಲು ನಾವು ಆಂತರಿಕ ಮೌಲ್ಯಮಾಪನವನ್ನು ರಚಿಸಿದ್ದೇವೆ. ಸುಧಾರಿತ ಸೈಬರ್ಭದ್ರತಾ ಪೂರ್ಣಗೊಳಿಸುವಿಕೆ ಪ್ರಮಾಣ ಎಂಬ ಇದು, ಎಕ್ಸ್ಪ್ಲಾಯ್ಟ್ ಸರಪಳಿ ಅಭಿವೃದ್ಧಿ, ದೃಢೀಕರಣ ಬೈಪಾಸ್, ಸವಲತ್ತು ಏರಿಕೆ ಮತ್ತು ಇತರ ಸುಧಾರಿತ ಸೈಬರ್ಭದ್ರತಾ ಸನ್ನಿವೇಶಗಳ ವಿನಂತಿಗಳಿಗೆ ಮಾಡೆಲ್ಗಳು ಎಷ್ಟು ಬಾರಿ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಅಳೆಯುತ್ತದೆ1. GPT‑5.6‑Cyber ಈ ವಿನಂತಿಗಳಲ್ಲಿ 95.0% ಪೂರ್ಣಗೊಳಿಸುತ್ತದೆ. GPT‑5.6 Solಗೆ ಇದು ಕೇವಲ 1.5% ಮತ್ತು ಡೇಬ್ರೇಕ್ ಬ್ಲೂ ಪ್ರವೇಶದೊಂದಿಗೆ ಬಳಸಿದಾಗ 2.0% ಆಗಿದೆ. ಇದು ಕೇವಲ 57.3% ವಿನಂತಿಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸುವ GPT‑5.5‑Cyberಗಿಂತಲೂ ಹೆಚ್ಚಿನ ವಿನಂತಿಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸುತ್ತದೆ. ಹಿಂದಿನ ಮಾಡೆಲ್ನ ನಿರಂತರ ನಿರಾಕರಣೆಗಳನ್ನು ಎದುರಿಸಿದ್ದ ಭದ್ರತಾ ಸಂಶೋಧಕರ ಪ್ರತಿಕ್ರಿಯೆಗೆ ಇದು ಪರಿಹಾರವಾಗಿದೆ.
ಕೆಳಗೆ ಸೈಬರ್ಭದ್ರತಾ ಪ್ರಾಂಪ್ಟ್ಗಳ ಸರಣಿ ಮತ್ತು ವ್ಯವಸ್ಥಾ-ಮಟ್ಟದ ನಿರ್ಬಂಧಗಳಿರುವ GPT‑5.6 Sol, GPT‑5.6 Sol (ಡೇಬ್ರೇಕ್ ಬ್ಲೂ), GPT‑5.5‑Cyber (ಡೇಬ್ರೇಕ್ ರೆಡ್) ಹಾಗೂ GPT‑5.6‑Cyber (ಡೇಬ್ರೇಕ್ ರೆಡ್) ನೀಡಿದ ಸಂಬಂಧಿತ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ತೋರಿಸಿದ್ದೇವೆ.
ಸೈಬರ್ಭದ್ರತಾ ಕಾರ್ಯಕ್ಷಮತೆಯ ಸುಧಾರಣೆ
ಎಕ್ಸ್ಪ್ಲಾಯ್ಟ್ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ಸುಧಾರಿತ ಭದ್ರತಾ ಸಂಶೋಧನೆ ಒಳಗೊಂಡ ಕೆಲವು ಸೈಬರ್ಭದ್ರತಾ ಕಾರ್ಯಪ್ರವಾಹಗಳ ಕಾರ್ಯಕ್ಷಮತೆ ಸುಧಾರಿಸಲು GPT‑5.6‑Cyber ಮಾಡೆಲ್ಗೆ ತರಬೇತಿ ನೀಡಲಾಗಿದೆ. ನಿಯಂತ್ರಿತ ಪರಿಸರಗಳಲ್ಲಿ ಅನಿಯಂತ್ರಿತ ಕೋಡ್ ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆಯನ್ನು ಸಾಧಿಸುವ ಕಾರ್ಯನಿರತ ಎಕ್ಸ್ಪ್ಲಾಯ್ಟ್ಗಳಾಗಿ ತಿಳಿದಿರುವ vulnerabilities ಅನ್ನು ಏಜೆಂಟ್ಗಳು ಪರಿವರ್ತಿಸಬಹುದೇ ಎಂದು ಅಳೆಯುವ ExploitGym2ನಲ್ಲಿ GPT‑5.6‑Cyber, GPT‑5.6 Sol ಮತ್ತು GPT‑5.5 Cyber ಎರಡನ್ನೂ ಮೀರಿಸಿದೆ.
ಹೊಸ ಶೂನ್ಯ-ದಿನದ vulnerabilities ಅನ್ನು ಪತ್ತೆಹಚ್ಚಿ ಅವುಗಳ ತೀವ್ರತೆಯನ್ನು ನಿಖರವಾಗಿ ನಿರ್ಧರಿಸುವ ಸಾಮರ್ಥ್ಯವು GPT‑5.6‑Cyber ಸುಧಾರಿಸಲು ಉದ್ದೇಶಿಸಿರುವ ಮತ್ತೊಂದು ಕ್ಷೇತ್ರವಾಗಿದೆ. ಮುಕ್ತ-ಮೂಲ ರಿಪೊಸಿಟರಿಯ ಪ್ರಸ್ತುತ ಬಿಡುಗಡೆಯನ್ನು ಮಾಡೆಲ್ಗಳಿಗೆ ನೀಡುವ ಆಂತರಿಕ ಮೌಲ್ಯಮಾಪನ ದತ್ತಾಂಶ ಸಂಗ್ರಹವನ್ನು ರಚಿಸಿದ್ದೇವೆ. ನಂತರ ತಮ್ಮ ಪತ್ತೆಗಳ ತಾಂತ್ರಿಕ ವಿವರಣೆಯೊಂದಿಗೆ ಸಾಧ್ಯವಾದಷ್ಟು ಹೆಚ್ಚಿನ ಪರಿಣಾಮದ ಪರಿಕಲ್ಪನಾ-ಪುರಾವೆ ಎಕ್ಸ್ಪ್ಲಾಯ್ಟ್ಗಳನ್ನು ರಚಿಸುವಂತೆ ಕೇಳುತ್ತೇವೆ. ಮಾಡೆಲ್ಗಳ ಪತ್ತೆಗಳ ತೀವ್ರತೆ ಮತ್ತು ಪರಿಣಾಮದ ಜೊತೆಗೆ, ಅವುಗಳ ನಿರ್ಣಯದ ನಿಖರತೆ ಹಾಗೂ ಸಂಬಂಧಿತ ತಾಂತ್ರಿಕ ವಿವರಣೆಯ ಗುಣಮಟ್ಟವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲಾಗುತ್ತದೆ. ವಿಶೇಷ ತರಬೇತಿಯಿಂದಾಗಿ ಈ ಮಾನದಂಡದಲ್ಲಿ GPT‑5.6‑Cyber (ಡೇಬ್ರೇಕ್ ರೆಡ್), GPT‑5.6 Sol (ಡೇಬ್ರೇಕ್ ಬ್ಲೂ) ಅನ್ನು ಮೀರಿಸಿತು.
ನಮ್ಮ ಆಂತರಿಕ Vulnerability ಅನ್ವೇಷಣೆ ಮತ್ತು ವರದಿ ಬರೆಯುವಿಕೆಯ ಮೌಲ್ಯಮಾಪನದ ಮೇಲೆ ನಾವು GPT‑5.6‑ಸೈಬರ್ ಅನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ್ದೇವೆ, ಇದು ತಿಳಿದಿರುವ vulnerabilities ಅನ್ನು ಹೊಂದಿರುವ ರೆಪೊದಲ್ಲಿ ದುರ್ಬಲತೆಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಏಜೆಂಟ್ಗೆ ಮುಕ್ತ-ಮುಕ್ತ ಪ್ರಾಂಪ್ಟ್ ನೀಡುತ್ತದೆ. ತೀವ್ರ ಮತ್ತು ಕಾರ್ಯಸಾಧ್ಯವಾದ vulnerabilities ಅನ್ನು (ನವ ಅಥವಾ ತಿಳಿದಿರುವ vulnerabilities) ಕಂಡುಹಿಡಿಯುವ ಮೂಲಕ, ಪರಿಕಲ್ಪನೆಯ ಕಾರ್ಯನಿರತ ಪುರಾವೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ಮೂಲಕ ಮತ್ತು ಉತ್ತಮ-ಗುಣಮಟ್ಟದ vulnerabilities ವರದಿಯನ್ನು ಸಲ್ಲಿಸುವ ಮೂಲಕ ಮಾದರಿಗಳು ಈ ಮೌಲ್ಯಮಾಪನದಲ್ಲಿ ಅಂಕಗಳನ್ನು ಗಳಿಸುತ್ತವೆ. GPT‑5.6 Sol ಮತ್ತು GPT‑5.6‑Cyberಎರಡೂ GPT‑5.5‑Cyberಗಿಂತ ಸುಧಾರಿಸುತ್ತವೆ. ಈ ಮೌಲ್ಯಮಾಪನದಲ್ಲಿ GPT‑5.6‑Cyber GPT‑5.6 Solಗಿಂತ ಕೆಟ್ಟದಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಇದು ಮಾದರಿಯು ಕೆಲವೊಮ್ಮೆ ಕಡಿಮೆ, ಕಡಿಮೆ ವಿವರವಾದ ದುರ್ಬಲತೆ ವರದಿಗಳನ್ನು ಉತ್ಪಾದಿಸುವುದರಿಂದ ಎಂದು ನಾವು ನಂಬುತ್ತೇವೆ.
ಕೊನೆಯದಾಗಿ, V8 ದುರ್ಬಲತೆಯನ್ನು ಸಂಪೂರ್ಣ ಎಕ್ಸ್ಪ್ಲಾಯ್ಟ್ ಆಗಿ ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ಏಜೆಂಟ್ನ ಸಾಮರ್ಥ್ಯವನ್ನು ಪರೀಕ್ಷಿಸುವ ExploitBench3ನಲ್ಲಿ ಎಕ್ಸ್ಪ್ಲಾಯ್ಟ್ ಅಭಿವೃದ್ಧಿ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಅಳೆದಿದ್ದೇವೆ. ಈ ಎಕ್ಸ್ಪ್ಲಾಯ್ಟೇಶನ್ ಕಾರ್ಯವು ExploitGymಗಿಂತ ಕಠಿಣವಾಗಿದೆ. V8 ಸ್ಯಾಂಡ್ಬಾಕ್ಸ್ನಂತಹ ಹೆಚ್ಚಿನ ರಕ್ಷಣಾ ವ್ಯವಸ್ಥೆಗಳು ಸಕ್ರಿಯವಾಗಿರುತ್ತವೆ ಮತ್ತು ದುರ್ಬಲತೆಯನ್ನು ಬಳಸಿಕೊಳ್ಳಲು ಏಜೆಂಟ್ಗೆ ಕಡಿಮೆ ಮಾಹಿತಿ ನೀಡಲಾಗುತ್ತದೆ. ಏಜೆಂಟ್ಗಳನ್ನು 300 ಸುತ್ತುಗಳಿಗೆ ಸೀಮಿತಗೊಳಿಸುವ ಪ್ರಮಾಣಿತ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ GPT‑5.6 Sol (ಡೇಬ್ರೇಕ್ ಬ್ಲೂ) ಕಡಿಮೆ ಟೋಕನ್ಗಳಲ್ಲಿ ಕಾರ್ಯಗಳನ್ನು ಪರಿಹರಿಸಿ ಅತ್ಯುತ್ತಮ ಫಲಿತಾಂಶ ನೀಡುತ್ತದೆ. ಪ್ರಮಾಣಿತ 300 ಸುತ್ತುಗಳ ಮಿತಿಯನ್ನು 600 ಸುತ್ತುಗಳಿಗೆ ವಿಸ್ತರಿಸಿದರೆ, ಎರಡು ಮಾಡೆಲ್ಗಳ ನಡುವಿನ ಕಾರ್ಯಕ್ಷಮತೆಯ ಅಂತರ ಕಡಿಮೆಯಾಗುತ್ತದೆ.
ಮೌಲ್ಯಮಾಪನ ಮಾನದಂಡಗಳ ಫಲಿತಾಂಶಗಳ ಜೊತೆಗೆ, ವಿಶ್ವಾಸಾರ್ಹ ಗ್ರಾಹಕ ಪಾಲುದಾರರ ಗುಂಪಿಗೆ GPT‑5.6‑Cyberನ ಆರಂಭಿಕ ಪ್ರವೇಶವನ್ನೂ ನೀಡಿದ್ದೇವೆ. ಈ ಗ್ರಾಹಕರು ತಮ್ಮ ರಕ್ಷಣಾತ್ಮಕ ಕಾರ್ಯಪ್ರವಾಹಗಳನ್ನು ವೇಗಗೊಳಿಸಲು ಮಾಡೆಲ್ಗಳನ್ನು ಯಶಸ್ವಿಯಾಗಿ ಬಳಸಿದ್ದಾರೆ:
ನೈಜ ಸಾಫ್ಟ್ವೇರ್ನ ದುರ್ಬಲತೆಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಿ ಸರಿಪಡಿಸುವುದು
GPT‑5.6‑Cyberನ ಸಾಮರ್ಥ್ಯಗಳು ಸಂಶೋಧನಾ ಮಾನದಂಡದ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಮೀರಿ ನೈಜ vulnerability ಸಂಶೋಧನೆಗೂ ವಿಸ್ತರಿಸುತ್ತವೆ. ನೈಜ vulnerability ಸಂಶೋಧನೆಗೆ ದೊಡ್ಡ ಮತ್ತು ಅಪರಿಚಿತ ಕೋಡ್ಬೇಸ್ಗಳಲ್ಲಿ ದೀರ್ಘಕಾಲದ ರೀಜನಿಂಗ್ ಆಗಾಗ ಅಗತ್ಯವಿರುತ್ತದೆ. ಸಂಶೋಧಕರು ಊಹೆಗಳನ್ನು ರೂಪಿಸಿ ಪರೀಕ್ಷಿಸಬೇಕು, ಹಲವು ಘಟಕಗಳ ನಡುವಿನ ಪರಸ್ಪರ ಕ್ರಿಯೆಗಳನ್ನು ಗುರುತಿಸಬೇಕು, ಅನಿರೀಕ್ಷಿತ ವರ್ತನೆಯನ್ನು ಮರುಸೃಷ್ಟಿಸಬೇಕು ಮತ್ತು ಶಂಕಿತ ದುರ್ಬಲತೆಯನ್ನು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಎಕ್ಸ್ಪ್ಲಾಯ್ಟ್ ಮಾಡಬಹುದೇ ಎಂದು ನಿರ್ಧರಿಸಬೇಕು.
GPT‑5.6‑Cyber ಮಾಡೆಲ್ನ ತರಬೇತಿ ಪೂರ್ಣಗೊಂಡ ಬಳಿಕ, ಆಯ್ದ ಸಾಫ್ಟ್ವೇರ್ ಯೋಜನೆಗಳನ್ನು ವ್ಯಾಪಕವಾಗಿ ಅಧ್ಯಯನ ಮಾಡಿ ಸುಧಾರಿಸಲು ಅದನ್ನು ಬಳಸಿದ್ದೇವೆ. ಉದಾಹರಣೆಗೆ, Chrome ಬಳಸುವ JavaScript ಎಂಜಿನ್ V8 ಅನ್ನು ತನಿಖೆ ಮಾಡಲು GPT‑5.6‑Cyber ಬಳಸಿದ್ದೇವೆ. ಮೆಮೊರಿಯನ್ನು ಭ್ರಷ್ಟಗೊಳಿಸಿ V8 ಹೀಪ್ ಸ್ಯಾಂಡ್ಬಾಕ್ಸ್ನಿಂದ ಹೊರಬರಲು ಸರಪಳಿಗೊಳಿಸಬಹುದಾದ, ಹಿಂದೆ ತಿಳಿದಿರದ ಎರಡು ದುರ್ಬಲತೆಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಿದ್ದೇವೆ. ನಮ್ಮ ಸಂಶೋಧಕರು ಪತ್ತೆಗಳನ್ನು ದೃಢೀಕರಿಸಿ, ಸಮನ್ವಯಿತ ದುರ್ಬಲತೆ ಬಹಿರಂಗಪಡಿಸುವಿಕೆಯ ಮೂಲಕ Googleಗೆ ವರದಿ ಮಾಡಿದರು. Google vulnerability ಅನ್ನು ಸರಿಪಡಿಸಿ ಅದಕ್ಕೆ CVE-2026-15903 ಅನ್ನು ನಿಯೋಜಿಸಿತು.
CVE-2026-15903 ಎಂಬುದು Chromeನ JavaScript ಎಂಜಿನ್ V8ನಲ್ಲಿರುವ ಗಂಭೀರ vulnerability ಆಗಿದೆ. ಮೌಲ್ಯಗಳನ್ನು ಪೂರ್ಣಾಂಕಗಳಿಗೆ ಪರಿವರ್ತಿಸುವಾಗ ಅದರ ಆಪ್ಟಿಮೈಸಿಂಗ್ ಕಂಪೈಲರ್ ಸುರಕ್ಷತಾ ಪರಿಶೀಲನೆಯನ್ನು ತಪ್ಪಾಗಿ ಬಿಟ್ಟಿತು. ಇದರಿಂದ ನಿರೀಕ್ಷಿತ ಫಲಿತಾಂಶದ ಬದಲು ವ್ಯಾಖ್ಯಾನಿಸದ ಮೌಲ್ಯಗಳು ಅನಿರೀಕ್ಷಿತವಾಗಿ ದೊಡ್ಡ ಸಂಖ್ಯೆಯನ್ನು ಉಂಟುಮಾಡಲು ಸಾಧ್ಯವಾಯಿತು.
ಆ ಸಂಖ್ಯೆಯನ್ನು ಅರೆ ಸೂಚ್ಯಂಕವಾಗಿ ಬಳಸಿದರೆ, ಅದು ಅರೆ ಮಿತಿಯೊಳಗಿದೆ ಎಂದು ಕಂಪೈಲರ್ ತಪ್ಪಾಗಿ ಭಾವಿಸಿ ಸಾಮಾನ್ಯ ಮಿತಿ ಪರಿಶೀಲನೆಯನ್ನು ಬಿಟ್ಟುಬಿಡಬಹುದು. ಆಕ್ರಮಣಕಾರರು ನಂತರ ಇತರ ವಸ್ತುಗಳಿಗೆ ಸೇರಿದ ಮೆಮೊರಿಯನ್ನು ಓದಬಹುದು ಅಥವಾ ತಿದ್ದಬಹುದು ಮತ್ತು Chromeನ ಸ್ಯಾಂಡ್ಬಾಕ್ಸ್ನೊಳಗೆ ಅನಿಯಂತ್ರಿತ ಕೋಡ್ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದು. ಹೀಪ್ ಸ್ಯಾಂಡ್ಬಾಕ್ಸ್ನಿಂದ ಹೊರಬರಲು ಸಾಮಾನ್ಯವಾಗಿ ಎರಡನೇ vulnerability ಬೇಕಾಗುತ್ತದೆ. ಅದನ್ನೂ GPT‑5.6‑Cyber ಪತ್ತೆಹಚ್ಚಿತು. ಕೆಳಗಿನ ರೇಖಾಚಿತ್ರವು ಈ ಗಂಭೀರ vulnerability ಅವಲೋಕನ ನೀಡುತ್ತದೆ.
ಈ V8 vulnerabilities ಅಲ್ಲದೇ, ಜನಪ್ರಿಯ ಡೇಟಾಬೇಸ್ಗಳಿಂದ ಹಿಡಿದು ಮೊಬೈಲ್ ಫೋನ್ಗಳವರೆಗಿನ ಸಾಫ್ಟ್ವೇರ್ನಲ್ಲಿನ ಗಂಭೀರ ಸ್ವರೂಪದ ಸಮಸ್ಯೆಗಳನ್ನು ಗುರುತಿಸಲು ನಾವು GPT‑5.6‑Cyber ಅನ್ನು ಸಹ ಬಳಸಿದ್ದೇವೆ:
- ಜನಪ್ರಿಯ ಮೊಬೈಲ್ ಆಪರೇಟಿಂಗ್ ಸಿಸ್ಟಮ್ನಲ್ಲಿ ಕನಿಷ್ಠ ಐದು vulnerabilities, ಇದರಲ್ಲಿ ನಂಬಲರ್ಹವಲ್ಲದ ಆ್ಯಪ್ನಿಂದ ಸ್ಥಳೀಯ ಸವಲತ್ತುಗಳ ಏರಿಕೆಗೆ ಕಾರಣವಾಗುವ ಚೈನ್ ಪ್ರಕ್ರಿಯೆಯೂ ಸೇರಿದೆ.
- ದೂರದಿಂದ ಕೋಡ್ ಕಾರ್ಯಗತಗೊಳಿಸುವ ಮಾರ್ಗವೂ ಸೇರಿದಂತೆ, ಜನಪ್ರಿಯ ಡೇಟಾಬೇಸ್ನಲ್ಲಿ ಮೂರು ನಿರ್ಣಾಯಕ vulnerabilities.
- ಜನಪ್ರಿಯ ಕಾರ್ಯಾಚರಣಾ ವ್ಯವಸ್ಥೆಯ ಕರ್ನಲ್ನಲ್ಲಿ ಸವಲತ್ತು ಏರಿಕೆಗೆ ಕಾರಣವಾಗಬಹುದಾದ 400ಕ್ಕೂ ಹೆಚ್ಚು ದುರ್ಬಲತೆಗಳು.
ಮೊಬೈಲ್ ಕಾರ್ಯಾಚರಣಾ ವ್ಯವಸ್ಥೆ, ಡೇಟಾಬೇಸ್ ಮತ್ತು ಕರ್ನಲ್ನ ಈ ದುರ್ಬಲತೆಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸಿ ಸರಿಪಡಿಸಲು ಡೇಬ್ರೇಕ್ ಪಾಲುದಾರರು ಮತ್ತು ಮುಕ್ತ-ಮೂಲ ಸಮುದಾಯದ ಸದಸ್ಯರೊಂದಿಗೆ ನಿಕಟವಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತಿದ್ದೇವೆ.
ಸನ್ನದ್ಧತೆ ಮೌಲ್ಯಮಾಪನಗಳು
ನಮ್ಮ ಪ್ರಿಪೇರ್ಡ್ನೆಸ್ ಫ್ರೇಮ್ವರ್ಕ್ ಅಡಿಯಲ್ಲಿ GPT‑5.6 Sol ಮಾಡೆಲ್ನ ಸೈಬರ್ಭದ್ರತಾ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೈ ಎಂದು ಮತ್ತು ನಿರ್ಣಾಯಕ ಮಿತಿಗಿಂತ ಕಡಿಮೆ ಎಂದು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲಾಗಿದೆ. GPT‑5.6‑Cyber ಬಿಡುಗಡೆಗೆ ಮೊದಲು ಅದರ ಅತ್ಯಾಧುನಿಕ ಸೈಬರ್ ಸಾಮರ್ಥ್ಯಗಳನ್ನೂ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ, ಅದು ಕೂಡ ಹೈ ಮಿತಿಯನ್ನು ತಲುಪುತ್ತದೆ ಆದರೆ ನಿರ್ಣಾಯಕ ಮಿತಿಯನ್ನು ತಲುಪುವುದಿಲ್ಲ ಎಂದು ನಿರ್ಧರಿಸಿದ್ದೇವೆ. ನಾವು ನೇರವಾಗಿ ತರಬೇತಿ ನೀಡಿದ ಕೆಲವು ವಿಶೇಷ ಸೈಬರ್ ಕಾರ್ಯಗಳಲ್ಲಿ ಮಾಡೆಲ್ GPT‑5.6 Solಗಿಂತ ಸುಧಾರಿಸಿತು. ಆದರೆ ನಮ್ಮ ನಿರ್ಣಾಯಕ ಮಿತಿಯನ್ನು ತಲುಪುವಷ್ಟು ಸುಧಾರಿಸಲಿಲ್ಲ. ಹಗ್ಗಿಂಗ್ ಫೇಸ್ ಘಟನೆಯ ನವೀಕರಣಗಳಲ್ಲಿ ತಿಳಿಸಿದಂತೆ, ಹಗ್ಗಿಂಗ್ ಫೇಸ್ ಎಕ್ಸ್ಪ್ಲಾಯ್ಟೇಶನ್ನಲ್ಲಿ GPT‑5.6‑Cyber ಭಾಗಿಯಾಗಿರಲಿಲ್ಲ. ಮುಂಬರುವ ಬಿಡುಗಡೆಗೆ ಯೋಜಿಸಿರುವ ಬೇರೆ ಯಾವುದೇ ಮಾಡೆಲ್ಗಳೂ ಭಾಗಿಯಾಗಿರಲಿಲ್ಲ.
GPT‑5.6‑Cyberನ ಹೆಚ್ಚಿನ ಮೌಲ್ಯಮಾಪನಗಳಿರುವ ಸಿಸ್ಟಮ್ ಕಾರ್ಡ್ ಅನ್ನು ನಂತರ ಪ್ರಕಟಿಸುತ್ತೇವೆ.
ಪ್ರವೇಶ ಮತ್ತು ಸುರಕ್ಷತಾ ಕ್ರಮಗಳು
ಕಡಿಮೆ ಸುರಕ್ಷತಾ ಕ್ರಮಗಳೊಂದಿಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಮಾಡೆಲ್ಗಳು ದುರ್ಬಳಕೆ ಅಥವಾ ಅಸಮಂಜಸತೆಯಿಂದ, ಪ್ರಮಾಣಿತ ಮಾಡೆಲ್ ಬಳಕೆಯನ್ನು ಮೀರಿದ ಅಪಾಯಗಳನ್ನು ಹೊಂದಿರುತ್ತವೆ. ಈ ಅಪಾಯಗಳಿದ್ದರೂ, ರಕ್ಷಕರಿಗೆ frontier intelligence ಪ್ರವೇಶವನ್ನು ವ್ಯಾಪಕಗೊಳಿಸುವುದು ಸೈಬರ್ ರಕ್ಷಣೆಯನ್ನು ವೇಗಗೊಳಿಸಲು ಮತ್ತು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಲು ನಿರ್ಣಾಯಕವೆಂದು ನಂಬುತ್ತೇವೆ.
ಅಧಿಕೃತ ಕೆಲಸ ನಡೆಸುವ ಅನುಮೋದಿತ ವ್ಯಕ್ತಿಗಳು(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಮತ್ತು ಸಂಸ್ಥೆಗಳಿಗೆ ಡೇಬ್ರೇಕ್ ಬ್ಲೂ ಮತ್ತು ಡೇಬ್ರೇಕ್ ರೆಡ್ ಪ್ರವೇಶ ಲಭ್ಯವಿದೆ. ಗುರುತು ಪರಿಶೀಲನೆ, ಖಾತೆ ಭದ್ರತೆ, ಮೇಲ್ವಿಚಾರಣೆ, ಅನುಮೋದಿತ ಬಳಕೆಯ ನಿರ್ಬಂಧಗಳು ಮತ್ತು ಕಾನೂನು ದೃಢೀಕರಣಗಳ ಮೂಲಕ ಪ್ರವೇಶವನ್ನು ನಿಯಂತ್ರಿಸುತ್ತೇವೆ.
ಸೈಬರ್ ಮಾಡೆಲ್ಗಳ ಸುರಕ್ಷಿತ ಬಳಕೆಗಾಗಿ ಹೆಚ್ಚುವರಿ ಕ್ರಮಗಳನ್ನೂ ಕೈಗೊಳ್ಳುತ್ತಿದ್ದೇವೆ:
- Codex ಬಳಸುವ ಡೇಬ್ರೇಕ್ ಗ್ರಾಹಕರು ಆ್ಯಪ್ ಪೂರ್ವನಿಯೋಜನೆಗಳು ಮತ್ತು ಬಳಕೆದಾರ ಇಂಟರ್ಫೇಸ್ ವೈಶಿಷ್ಟ್ಯಗಳ ಮೂಲಕ ಪೂರ್ಣ-ಪ್ರವೇಶ ವಿಧಾನದಿಂದ ಸ್ವಯಂ-ಪರಿಶೀಲನೆ ವಿಧಾನಕ್ಕೆ ಬದಲಾಗುವಂತೆ ಬಲವಾಗಿ ಪ್ರೋತ್ಸಾಹಿಸುತ್ತಿದ್ದೇವೆ. ಸ್ವಯಂ-ಪರಿಶೀಲನೆಯು ಹೆಚ್ಚಿನ ಅನುಮತಿಗಳ ಅಗತ್ಯವಿರುವ ಕ್ರಿಯೆಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಮೊದಲು ಪರಿಶೀಲಿಸುತ್ತದೆ ಮತ್ತು ವಿನಾಶಕಾರಿ ವರ್ತನೆಯ ಗಂಭೀರ ಅಪಾಯವಿರುವ ವಿನಂತಿಗಳನ್ನು ತಡೆಯಬಲ್ಲದು.
- 2026ರ ಸೆಪ್ಟೆಂಬರ್ 1ರಿಂದ ಡೇಬ್ರೇಕ್ನ ಎಲ್ಲ ವೈಯಕ್ತಿಕ ಖಾತೆಗಳು ಹಾರ್ಡ್ವೇರ್ ಭದ್ರತಾ ಕೀಲಿಗಳನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವುದನ್ನು ಕಡ್ಡಾಯಗೊಳಿಸುತ್ತಿದ್ದೇವೆ.
- ಸುಧಾರಿತ ಮೇಲ್ವಿಚಾರಣೆ ಸೇರಿದಂತೆ ಹೆಚ್ಚುವರಿ ಭದ್ರತಾ ಕ್ರಮಗಳ ಮೇಲೆ ಸಕ್ರಿಯವಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತಿದ್ದೇವೆ. ಮುಂಬರುವ ವಾರಗಳಲ್ಲಿ ಅವುಗಳನ್ನು ಜಾರಿಗೆ ತರಲು ಉದ್ದೇಶಿಸಿದ್ದೇವೆ.
- ಮುಂಬರುವ ಡೇಬ್ರೇಕ್ ಬಿಡುಗಡೆಗಳಿಗೆ ಹೊಂದಾಣಿಕೆ ತರಬೇತಿ ಮತ್ತು ಪರೀಕ್ಷೆಗೆ ಆದ್ಯತೆ ನೀಡುತ್ತಿದ್ದೇವೆ.
- ಸೈಬರ್ ಸಾಮರ್ಥ್ಯವಿರುವ ಏಜೆಂಟ್ಗಳನ್ನು ಅವುಗಳ ಉದ್ದೇಶಿತ ಭದ್ರತಾ ಮಿತಿಗಳಲ್ಲೇ ಇರುವಂತೆ ನೋಡಿಕೊಳ್ಳಲು ತಂಡಗಳಿಗೆ ಸಹಾಯ ಮಾಡುವ ಸಲುವಾಗಿ, ಸುರಕ್ಷತೆಯ ಉತ್ತಮ ಅಭ್ಯಾಸಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ನಮ್ಮ Codex ಡಾಕ್ಯುಮೆಂಟೇಷನ್ ಅನ್ನು ನಾವು ಅಪ್ಡೇಟ್ ಮಾಡಿದ್ದೇವೆ.
ಡೇಬ್ರೇಕ್ ಸರಣಿಯ ಬಳಕೆಯ ಅತ್ಯುತ್ತಮ ಪದ್ಧತಿಗಳು:
- ಸ್ಯಾಂಡ್ಬಾಕ್ಸ್ ಬಳಸಿ ಮತ್ತು ಪ್ರತ್ಯೇಕಿಸಿ. ಸೂಕ್ಷ್ಮ ಉತ್ಪಾದನಾ ವ್ಯವಸ್ಥೆಗಳು ಅಥವಾ ಮುಕ್ತ ಅಂತರ್ಜಾಲಕ್ಕೆ ಪ್ರವೇಶವಿಲ್ಲದ ನಿಯಂತ್ರಿತ ಪರಿಸರಗಳಲ್ಲಿ ಭದ್ರತಾ ಕಾರ್ಯಪ್ರವಾಹಗಳನ್ನು ಚಲಾಯಿಸಿ. ಸ್ಯಾಂಡ್ಬಾಕ್ಸ್ ಗಡಿಗಳನ್ನು ನಿಯಮಿತವಾಗಿ ಪರೀಕ್ಷಿಸಿ.
- ಏಜೆಂಟ್ನ ಕ್ರಿಯೆಗಳನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಿ. Codex ಸ್ಯಾಂಡ್ಬಾಕ್ಸ್ನ ಹೊರಗಿನ ಸಾಧನ ಕರೆಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಮೊದಲು ಪರಿಶೀಲಿಸಲು ಸ್ವಯಂ-ಪರಿಶೀಲನೆ ವಿಧಾನವನ್ನು(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಬಳಸಿ. ಹೆಚ್ಚಿನ ಅಪಾಯದ ಕಾರ್ಯಪ್ರವಾಹಗಳಿಗೆ ಹೆಚ್ಚುವರಿ ಮೇಲ್ವಿಚಾರಣೆ ಮತ್ತು ಮಾನವ ನಿಗಾ ಸೇರಿಸಿ.
- ವ್ಯಾಪ್ತಿಯನ್ನು ನಿರ್ಧರಿಸಿ. ಯಾವ ವ್ಯವಸ್ಥೆಗಳು ಮತ್ತು ಕ್ರಿಯೆಗಳಿಗೆ ಅನುಮತಿ ಇದೆ ಎಂಬುದನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ. ಆ ಗಡಿಗಳನ್ನು ಜಾರಿಗೊಳಿಸಲು ವ್ಯಾಪ್ತಿ-ನಿರ್ದಿಷ್ಟ ಅನುಮತಿ ಪ್ರೊಫೈಲ್ಗಳನ್ನು(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಬಳಸಿ.
ಸಂಸ್ಥೆಗಳು ತಮ್ಮ ನಿರ್ದಿಷ್ಟ ಕಾರ್ಯಪ್ರವಾಹಗಳಿಗೆ ಪರಿಶೀಲನಾ ನೀತಿಯನ್ನು ಕಸ್ಟಮೈಸ್(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಮಾಡಬಹುದು.
ಹೆಚ್ಚಿನ ರಕ್ಷಕರಿಗೆ ಡೇಬ್ರೇಕ್ ಬ್ಲೂ ಅನ್ನು ಆರಂಭಿಕ ಹಂತವಾಗಿ ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ. ಸುಧಾರಿತ vulnerability ಸಂಶೋಧನೆ, ಎಕ್ಸ್ಪ್ಲಾಯ್ಟ್ ಅಭಿವೃದ್ಧಿ ಅಥವಾ ರೆಡ್ ಟೀಮಿಂಗ್ ಒಳಗೊಂಡ ಅಧಿಕೃತ ಕೆಲಸ ಮಾಡುವ ತಂಡಗಳು ನಮ್ಮ ಅತ್ಯಾಧುನಿಕ ಸೈಬರ್ ಮಾಡೆಲ್ಗಳಿಗಾಗಿ ಡೇಬ್ರೇಕ್ ರೆಡ್ ಪ್ರವೇಶವನ್ನು ಕೋರಬಹುದು. ಕಾರ್ಯಕ್ರಮಕ್ಕೆ ಸೇರಲು openai.com/daybreak/partnersನಲ್ಲಿ ಅರ್ಜಿ ಸಲ್ಲಿಸಿ.
1. ಎಲ್ಲ ಮೌಲ್ಯಮಾಪನಗಳಲ್ಲೂ, ಸಾರ್ವಜನಿಕವಾಗಿ ಲಭ್ಯವಿರುವ ಅತ್ಯುನ್ನತ ರೀಜನಿಂಗ್ ಮಟ್ಟದಲ್ಲಿ ಪ್ರತಿ ಮಾಡೆಲ್ನ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ತೋರಿಸಿದ್ದೇವೆ. GPT‑5.6 Solಗೆ ಹೋಲಿಸಿದರೆ GPT‑5.6‑Cyber ಸಾಮಾನ್ಯವಾಗಿ ಹೆಚ್ಚು ವಿಸ್ತೃತ ಮತ್ತು ಸಮಗ್ರ ರೀಜನಿಂಗ್ ಬಜೆಟ್ ಬಳಸುವುದರಿಂದ, ಟೋಕನ್ ಬಳಕೆ ಹೆಚ್ಚಾಗುತ್ತದೆ.
2. ಎಲ್ಲಾ ExploitGym ಮೌಲ್ಯಮಾಪನಗಳನ್ನು ಭದ್ರತೆಯನ್ನು ಬಲಪಡಿಸಿದ ಹಾಗೂ ಪ್ರತ್ಯೇಕಿಸಲಾದ ಪರಿಸರಗಳಲ್ಲಿ, ನಮ್ಮ ಹೊಸ ಆಂತರಿಕ ಅನುಷ್ಠಾನವನ್ನು ಬಳಸಿಕೊಂಡು ಮತ್ತು ಅಸಮರ್ಪಕ ನಡವಳಿಕೆಗಳ ಕುರಿತು ಕಟ್ಟುನಿಟ್ಟಾದ ನಿಗಾ ವಹಿಸುವ ಮೂಲಕ ನಡೆಸಲಾಯಿತು.
3. ExploitBench ಮೌಲ್ಯಮಾಪನಗಳನ್ನು ಭದ್ರತೆಯು ಬಲಪಡಿಸಿದ ಪ್ರತ್ಯೇಕ ಪರಿಸರಗಳಲ್ಲಿ ನಮ್ಮ ಆಂತರಿಕ ಅನುಷ್ಠಾನ ಬಳಸಿ ನಡೆಸಲಾಯಿತು.
