Daybreak uitbreiden nu het venster voor cyberverdediging sluit

De wereld van cyberbeveiliging verandert snel: dreigingsactoren zullen AI steeds vaker inzetten om cyberaanvallen op ongekende snelheid en schaal uit te voeren, ook volledig autonoom. Nu deze capaciteiten zich verspreiden, hebben verdedigers steeds minder tijd om zich voor te bereiden. Ons antwoord is om grensverleggende intelligentie overal beschikbaar te maken voor vertrouwde verdedigers, voordat aanvallers offensieve AI-capaciteiten op grote schaal inzetten.

We breiden OpenAI Daybreak uit met twee toegangsniveaus die goedgekeurde verdedigers de juiste capaciteiten voor hun werk bieden:

• Daybreak Blue biedt toegang tot grensverleggende modellen voor algemeen gebruik, waaronder GPT‑5.6 Sol, met beveiligingsmaatregelen die zijn afgestemd op geautoriseerd defensief beveiligingswerk. Dit is voor de meeste verdedigers het aanbevolen startpunt en ondersteunt het opsporen van kwetsbaarheden, veilige codebeoordeling, malwareanalyse, incidentrespons en patchvalidatie.
• Daybreak Red biedt toegang tot onze speciaal getrainde cyberbeveiligingsmodellen voor geautoriseerd kwetsbaarheidsonderzoek, exploitvalidatie en beveiligingstests.

We introduceren ook GPT‑5.6‑Cyber, beschikbaar via Daybreak Red. Het is gebaseerd op GPT‑5.6 Sol en getraind om beter te presteren op diverse specialistische cyberbeveiligingstaken, zoals het vinden van zerodaykwetsbaarheden en ontwikkelen van exploitketens, en om minder vaak te weigeren bij bepaalde cyberopdrachten met een hoger risico en tweeledig gebruik.

Daybreak ontsluit geavanceerde cybercapaciteiten

Zoals we eerder meldden⁠, levert GPT‑5.6 Sol toonaangevende prestaties bij cyberbeveiligingstaken. In productie zetten we beveiligingsmaatregelen op systeemniveau in om cyberbeveiligingsverzoeken te controleren en misbruik te voorkomen, maar die kunnen ook legitiem defensief werk blokkeren. Met Daybreak Blue worden die beperkingen opgeheven, zodat verdedigers meer uit het model halen bij beveiligingstaken in de praktijk, zoals incidentdetectie en -respons, onderzoek, kwetsbaarheidsbeheer en beveiligingsbeoordelingen.

Zelfs zonder beveiligingsmaatregelen op systeemniveau weigert GPT‑5.6 Sol nog altijd sterk tweeledige cyberbeveiligingsprompts, zoals penetratietests op productiesystemen. Daarom hebben we GPT‑5.6‑Cyber getraind, dat via Daybreak Red beschikbaar is, om minder vaak te weigeren en bij bepaalde taken beter te presteren. GPT‑5.6‑Cyber helpt vertrouwde verdedigers legitieme beveiligingsactiviteiten uit te voeren.

Om te meten hoe sterk GPT‑5.6‑Cyber via Daybreak Red het weigeringspercentage verlaagt, hebben we een interne evaluatie ontwikkeld (Advanced Cybersecurity Completion Rate). Deze meet hoe vaak modellen reageren op verzoeken over het ontwikkelen van exploitketens, het omzeilen van authenticatie, privilege-escalatie en andere geavanceerde cyberbeveiligingsscenario's¹. GPT‑5.6‑Cyber voltooit 95,0% van deze verzoeken, tegenover slechts 1,5% voor GPT‑5.6 Sol en 2,0% wanneer dat model via Daybreak Blue wordt gebruikt. Het voltooit ook meer verzoeken dan GPT‑5.5‑Cyber, dat slechts 57,3% voltooit. Daarmee spelen we in op feedback van beveiligingsonderzoekers die bij het eerdere model herhaaldelijk op weigeringen stuitten.

Hieronder tonen we een reeks cyberbeveiligingsprompts en de bijbehorende modelantwoorden van GPT‑5.6 Sol met beveiligingsmaatregelen op systeemniveau, GPT‑5.6 Sol (Daybreak Blue), GPT‑5.5‑Cyber (Daybreak Red) en GPT‑5.6‑Cyber (Daybreak Red).

Betere prestaties op het gebied van cyberbeveiliging

Het GPT‑5.6‑Cyber‑model is getraind om beter te presteren in bepaalde cyberbeveiligingsworkflows voor exploitontwikkeling en geavanceerd beveiligingsonderzoek. Op ExploitGym², dat beoordeelt of agents bekende kwetsbaarheden kunnen omzetten in werkende exploits waarmee in gecontroleerde omgevingen willekeurige code kan worden uitgevoerd, presteert GPT‑5.6‑Cyber beter dan zowel GPT‑5.6 Sol als GPT‑5.5 Cyber.

GPT‑5.6‑Cyber is ook bedoeld om nieuwe zerodaykwetsbaarheden beter te vinden en de ernst ervan nauwkeuriger in te schatten. We hebben een interne evaluatiedataset gemaakt waarin we modellen de huidige release van een opensourcerepository geven. Vervolgens vragen we ze proof-of-concept-exploits met de grootst mogelijke impact te genereren, samen met een technische beschrijving van hun bevindingen. Modellen worden beoordeeld op de ernst en impact van hun bevindingen en op de kalibratie en kwaliteit van de bijbehorende technische beschrijving. Dankzij de specialistische training presteerde GPT‑5.6‑Cyber (Daybreak Red) op deze benchmark beter dan GPT‑5.6 Sol (Daybreak Blue).

We hebben GPT‑5.6‑Cyber ook beoordeeld met onze interne evaluatie Vulnerability Discovery and Report Writing, waarbij een agent een open prompt krijgt om kwetsbaarheden te vinden in een repository met een bekende kwetsbaarheid. Modellen verdienen bij deze evaluatie punten door ernstige en bruikbare kwetsbaarheden te vinden, zowel nieuwe als bekende, een werkende proof of concept te ontwikkelen en een hoogwaardig kwetsbaarheidsrapport in te dienen. Zowel GPT‑5.6 Sol als GPT‑5.6‑Cyber presteert beter dan GPT‑5.5‑Cyber. GPT‑5.6‑Cyber presteert bij deze evaluatie slechter dan GPT‑5.6 Sol. Volgens ons komt dit doordat het model soms kortere, minder gedetailleerde kwetsbaarheidsrapporten opstelt.

Tot slot maten we de capaciteiten voor exploitontwikkeling met ExploitBench³, een evaluatie van het vermogen van een agent om een V8-kwetsbaarheid uit te werken tot een volledige exploit. Deze exploitatietaak is moeilijker dan ExploitGym: meer beveiligingsmaatregelen, zoals de V8-sandbox, blijven ingeschakeld en de agent krijgt minder informatie over de te misbruiken kwetsbaarheid. In de standaardinstelling, waarin agents maximaal 300 beurten krijgen, lost GPT‑5.6 Sol (Daybreak Blue) taken met minder tokens op en presteert het model het best. Als we de standaardlimiet verhogen van 300 naar 600 beurten, wordt het prestatieverschil tussen de twee modellen kleiner.

Naast de resultaten op evaluatiebenchmarks hebben we een groep vertrouwde klantpartners ook vroegtijdig toegang gegeven tot GPT‑5.6‑Cyber. Deze klanten hebben de modellen met veel succes gebruikt om hun defensieve workflows te versnellen:

Kwetsbaarheden in echte software vinden en verhelpen

De capaciteiten van GPT‑5.6‑Cyber gaan verder dan prestaties op onderzoeksbenchmarks en strekken zich uit tot kwetsbaarheidsonderzoek in de praktijk. Kwetsbaarheidsonderzoek in de praktijk vereist vaak langdurige redenering over grote, onbekende codebases. Onderzoekers moeten hypothesen formuleren en toetsen, interacties tussen meerdere componenten volgen, onverwacht gedrag reproduceren en bepalen of een vermoedelijke kwetsbaarheid in de praktijk kan worden misbruikt.

Sinds de training van het GPT‑5.6‑Cyber‑model is afgerond, hebben we het gebruikt om geselecteerde softwareprojecten uitgebreid te bestuderen en te verbeteren. Zo gebruikten we GPT‑5.6‑Cyber om V8 te onderzoeken, de JavaScript-engine van Chrome. We ontdekten twee voorheen onbekende kwetsbaarheden die konden worden gekoppeld om geheugen te beschadigen en uit de V8-heap-sandbox te ontsnappen. Onze onderzoekers valideerden de bevindingen en meldden ze aan Google via gecoördineerde bekendmaking van kwetsbaarheden. Google verhielp de kwetsbaarheid en en registreerde deze als CVE-2026-15903.

CVE-2026-15903 is een kwetsbaarheid met een hoge ernst in V8, de JavaScript-engine van Chrome. De optimaliserende compiler sloeg ten onrechte een veiligheidscontrole over bij het omzetten van waarden naar gehele getallen. Daardoor konden niet-gedefinieerde waarden een onverwacht groot getal opleveren in plaats van het verwachte resultaat.

Als dat getal als array-index wordt gebruikt, kan de compiler ten onrechte aannemen dat het binnen de grenzen van de array valt en de gebruikelijke grenscontrole overslaan. Een aanvaller kan dan geheugen van andere objecten lezen of overschrijven en zo mogelijk willekeurige code uitvoeren binnen de sandbox van Chrome. Voor een ontsnapping uit de heap-sandbox is doorgaans een tweede kwetsbaarheid nodig, die GPT‑5.6‑Cyber eveneens vond. Het onderstaande diagram geeft een overzicht van deze kwetsbaarheid met een hoge ernst.