సైబర్ రక్షణ గడువు తగ్గుతుండగా Daybreak విస్తరణ

సైబర్‌భద్రతా ప్రపంచం వేగంగా మారుతోంది. ముప్పు సృష్టించే వ్యక్తులు పూర్తిగా స్వయంప్రతిపత్తితో సహా, మునుపెన్నడూ లేని వేగం, స్థాయిలో సైబర్‌దాడులు చేయడానికి AIని మరింతగా ఉపయోగిస్తారు. ఈ సామర్థ్యాలు విస్తరిస్తున్న కొద్దీ, రక్షకులు సిద్ధమయ్యేందుకు ఉన్న సమయం తగ్గుతోంది. దాడిదారులు ప్రమాదకర AI సామర్థ్యాలను భారీ స్థాయిలో వినియోగించకముందే, అత్యాధునిక ఇంటెలిజెన్స్‌ను ప్రతిచోటా విశ్వసనీయ రక్షకుల చేతుల్లో ఉంచడమే మా సమాధానం.

ఆమోదం పొందిన రక్షకులకు వారి పనికి సరైన సామర్థ్యాలను అందించేందుకు రూపొందించిన రెండు యాక్సెస్ స్థాయిలతో OpenAI Daybreakను విస్తరిస్తున్నాం:

• Daybreak Blue అధీకృత రక్షణాత్మక భద్రతా పనికి అనుగుణమైన రక్షణ చర్యలతో GPT‑5.6 Sol సహా అత్యాధునిక సాధారణ ప్రయోజన మోడళ్లకు యాక్సెస్ అందిస్తుంది. దుర్బలతల గుర్తింపు, సురక్షిత కోడ్ సమీక్ష, మాల్వేర్ విశ్లేషణ, ఘటన ప్రతిస్పందన, ప్యాచ్ ధ్రువీకరణకు మద్దతునిచ్చే ఇది చాలా మంది రక్షకులకు సిఫార్సు చేసే ప్రారంభ స్థానం.
• Daybreak Red అధీకృత దుర్బలత పరిశోధన, ఎక్స్‌ప్లాయిట్ ధ్రువీకరణ, భద్రతా పరీక్షల కోసం ప్రత్యేకంగా శిక్షణ పొందిన మా సైబర్‌భద్రతా మోడళ్లకు యాక్సెస్ అందిస్తుంది.

Daybreak Red ద్వారా లభించే GPT‑5.6‑Cyber ను కూడా పరిచయం చేస్తున్నాం. GPT‑5.6 Sol ఆధారంగా రూపొందిన దీనికి, అనేక ప్రత్యేక సైబర్‌భద్రతా పనుల్లో సామర్థ్యాలను మెరుగుపరచడానికి, కొన్ని అధిక-ప్రమాద ద్వంద్వ-వినియోగ సైబర్ పనులకు నిరాకరణలను తగ్గించడానికి శిక్షణ ఇచ్చాము. ఉదాహరణకు, జీరో-డే దుర్బలతలను కనుగొనడం, ఎక్స్‌ప్లాయిట్ గొలుసులను అభివృద్ధి చేయడం.

Daybreak అధునాతన సైబర్ సామర్థ్యాలను అందుబాటులోకి తెస్తుంది

మేము గతంలో తెలిపినట్లుగా⁠, సైబర్‌భద్రతా పనుల్లో GPT‑5.6 Sol అత్యుత్తమ పనితీరును అందిస్తుంది. దుర్వినియోగాన్ని నివారించేందుకు సైబర్‌భద్రతకు సంబంధించిన అభ్యర్థనలను పరిశీలించే వ్యవస్థ-స్థాయి రక్షణ చర్యలను ఉత్పత్తి వాతావరణంలో అమలు చేస్తాము. అయితే అవి చట్టబద్ధమైన రక్షణాత్మక పనిని కూడా నిరోధించవచ్చు. Daybreak Blue యాక్సెస్ ఆ పరిమితులను తొలగించి, ఘటనల గుర్తింపు, ప్రతిస్పందన, దర్యాప్తులు, దుర్బలత నిర్వహణ, భద్రతా అంచనాలు సహా వాస్తవ భద్రతా పనుల్లో మోడల్‌ను మరింత సమర్థంగా ఉపయోగించుకునేందుకు రక్షకులకు తోడ్పడుతుంది.

వ్యవస్థ-స్థాయి పరిమితులు లేకున్నా, ఉత్పత్తి వ్యవస్థలపై చొరబాటు పరీక్షల వంటి అత్యంత ద్వంద్వ-వినియోగ సైబర్‌భద్రతా ప్రాంప్ట్‌లకు GPT‑5.6 Sol స్పందించదు. దీనిని పరిష్కరించేందుకు, నిరాకరణలను మరింత తగ్గించి కొన్ని పనుల్లో పనితీరును మెరుగుపరిచేలా Daybreak Red ద్వారా లభించే GPT‑5.6‑Cyber కు శిక్షణ ఇచ్చాము. చట్టబద్ధమైన భద్రతా కార్యకలాపాలు నిర్వహించడంలో విశ్వసనీయ రక్షకులకు GPT‑5.6‑Cyber సహాయపడుతుంది.

Daybreak Red ద్వారా GPT‑5.6‑Cyber అందించే తగ్గిన నిరాకరణ రేటును కొలవడానికి, ఎక్స్‌ప్లాయిట్ గొలుసు అభివృద్ధి, ప్రామాణీకరణ దాటవేత, అధికారాల పెంపు, ఇతర అధునాతన సైబర్‌భద్రతా సందర్భాలకు సంబంధించిన అభ్యర్థనలకు మోడళ్లు ఎంత తరచుగా స్పందిస్తాయో కొలిచే అంతర్గత మూల్యాంకనాన్ని రూపొందించాము. దీని పేరు అధునాతన సైబర్‌భద్రతా పూర్తి రేటు¹. ఈ అభ్యర్థనల్లో GPT‑5.6‑Cyber 95.0% పూర్తి చేస్తుంది. GPT‑5.6 Sol కేవలం 1.5%, Daybreak Blue యాక్సెస్‌తో ఉపయోగించినప్పుడు 2.0% పూర్తి చేస్తుంది. ఇది కేవలం 57.3% అభ్యర్థనలను పూర్తి చేసే GPT‑5.5‑Cyber కంటే కూడా ఎక్కువ అభ్యర్థనలను పూర్తి చేస్తుంది. తద్వారా మునుపటి మోడల్‌లో పదేపదే నిరాకరణలు ఎదుర్కొన్న భద్రతా పరిశోధకుల అభిప్రాయాన్ని పరిష్కరిస్తుంది.

వ్యవస్థ-స్థాయి పరిమితులతో GPT‑5.6 Sol, GPT‑5.6 Sol (Daybreak Blue), GPT‑5.5‑Cyber (Daybreak Red), GPT‑5.6‑Cyber (Daybreak Red)లకు ఇచ్చిన సైబర్‌భద్రతా ప్రాంప్ట్‌ల శ్రేణిని, వాటికి వచ్చిన మోడల్ ప్రతిస్పందనలను క్రింద చూపుతున్నాం.

సైబర్‌భద్రతా పనితీరు మెరుగుదల

ఎక్స్‌ప్లాయిట్ అభివృద్ధి, అధునాతన భద్రతా పరిశోధనతో కూడిన కొన్ని సైబర్‌భద్రతా కార్యప్రవాహాల్లో పనితీరును మెరుగుపరిచేందుకు GPT‑5.6‑Cyber మోడల్‌కు శిక్షణ ఇచ్చాము. తెలిసిన దుర్బలతలను నియంత్రిత వాతావరణాల్లో ఏ కోడ్‌నైనా అమలు చేయగల పని చేసే ఎక్స్‌ప్లాయిట్‌లుగా ఏజెంట్లు మార్చగలరా అని అంచనా వేసే ExploitGym²లో GPT‑5.6‑Cyber, GPT‑5.6 Sol మరియు GPT‑5.5 Cyber రెండింటినీ అధిగమించింది.

కొత్త జీరో-డే దుర్బలతలను కనుగొని, వాటి తీవ్రతను కచ్చితంగా అంచనా వేసే సామర్థ్యాన్ని మెరుగుపరచడం కూడా GPT‑5.6‑Cyber లక్ష్యాల్లో ఒకటి. ఓపెన్ సోర్స్ రిపోజిటరీ ప్రస్తుత విడుదలను మోడళ్లకు అందించే అంతర్గత మూల్యాంకన డేటాసెట్‌ను రూపొందించాము. తర్వాత, తమ పరిశోధన ఫలితాల సాంకేతిక వివరణతో పాటు సాధ్యమైనంత గరిష్ఠ ప్రభావం చూపే భావనాధార రుజువు ఎక్స్‌ప్లాయిట్‌లను రూపొందించమని అడుగుతాము. మోడళ్లను వాటి పరిశోధన ఫలితాల తీవ్రత, ప్రభావంతో పాటు, అనుబంధ సాంకేతిక వివరణలోని అంచనా ఖచ్చితత్వం, నాణ్యత ఆధారంగా మూల్యాంకనం చేస్తాము. ప్రత్యేక శిక్షణ కారణంగా ఈ ప్రమాణంలో GPT‑5.6‑Cyber (Daybreak Red), GPT‑5.6 Sol (Daybreak Blue)ను అధిగమించింది.

తెలిసిన దుర్బలత ఉన్న రిపోజిటరీలో దుర్బలతలను కనుగొనమని ఏజెంట్‌కు నిర్దిష్ట పరిమితులు లేని ప్రాంప్ట్ ఇచ్చే మా అంతర్గత దుర్బలత ఆవిష్కరణ, నివేదిక రచన మూల్యాంకనంలో GPT‑5.6‑Cyberను కూడా పరీక్షించాము. తీవ్రమైన, చర్య తీసుకోదగిన కొత్త లేదా తెలిసిన దుర్బలతలను కనుగొనడం, పని చేసే భావనాధార రుజువును అభివృద్ధి చేయడం, అధిక-నాణ్యత దుర్బలత నివేదికను సమర్పించడం ద్వారా మోడళ్లు ఈ మూల్యాంకనంలో పాయింట్లు పొందుతాయి. GPT‑5.6 Sol, GPT‑5.6‑Cyber రెండూ GPT‑5.5‑Cyber కంటే మెరుగ్గా పనిచేశాయి. ఈ మూల్యాంకనంలో GPT‑5.6‑Cyber, GPT‑5.6 Sol కంటే తక్కువ పనితీరు చూపింది. మోడల్ కొన్నిసార్లు చిన్నవిగా, తక్కువ వివరాలతో దుర్బలత నివేదికలు రూపొందించడమే దీనికి కారణమని మేము భావిస్తున్నాం.

చివరగా, V8 దుర్బలతను పూర్తిస్థాయి ఎక్స్‌ప్లాయిట్‌గా అభివృద్ధి చేసే ఏజెంట్ సామర్థ్యాన్ని పరీక్షించే ExploitBench³లో ఎక్స్‌ప్లాయిట్ అభివృద్ధి సామర్థ్యాలను కొలిచాము. ఈ ఎక్స్‌ప్లాయిటేషన్ పని ExploitGym కంటే కష్టం. V8 శాండ్‌బాక్స్ వంటి మరిన్ని రక్షణలు అమల్లోనే ఉంటాయి. ఎక్స్‌ప్లాయిట్ చేయాల్సిన దుర్బలత గురించి ఏజెంట్‌కు తక్కువ సమాచారం ఇస్తారు. ఏజెంట్లను 300 దశలకు పరిమితం చేసే ప్రామాణిక అమరికలో, GPT‑5.6 Sol (Daybreak Blue) తక్కువ టోకెన్లతో పనులను పరిష్కరించి అత్యుత్తమ పనితీరును చూపుతుంది. ప్రామాణిక 300-దశల అమరికను 600 దశలకు పెంచితే, రెండు మోడళ్ల మధ్య పనితీరు వ్యత్యాసం తగ్గుతుంది.

మూల్యాంకన ప్రమాణాల ఫలితాలతో పాటు, విశ్వసనీయ కస్టమర్ భాగస్వాముల బృందానికి GPT‑5.6‑Cyber ముందస్తు యాక్సెస్ కూడా అందించాము. ఈ కస్టమర్లు తమ రక్షణాత్మక కార్యప్రవాహాలను వేగవంతం చేయడానికి మోడళ్లను విజయవంతంగా ఉపయోగించారు:

వాస్తవ సాఫ్ట్‌వేర్‌లో దుర్బలతలను కనుగొని సరిచేయడం

GPT‑5.6‑Cyber సామర్థ్యాలు పరిశోధన ప్రమాణాల పనితీరుకు మాత్రమే పరిమితం కాకుండా వాస్తవ దుర్బలత పరిశోధనకూ విస్తరిస్తాయి. వాస్తవ దుర్బలత పరిశోధనకు తరచుగా పెద్దవైన, పరిచయం లేని కోడ్‌బేస్‌లపై నిరంతర రీజనింగ్ అవసరం. పరిశోధకులు పరికల్పనలు రూపొందించి పరీక్షించాలి, అనేక భాగాల మధ్య పరస్పర చర్యలను అనుసరించాలి, ఊహించని ప్రవర్తనను పునరుత్పత్తి చేయాలి, అనుమానిత దుర్బలతను ఆచరణలో ఎక్స్‌ప్లాయిట్ చేయగలమా అని నిర్ధారించాలి.

GPT‑5.6‑Cyber మోడల్ శిక్షణ పూర్తయినప్పటి నుంచి, ఎంపిక చేసిన సాఫ్ట్‌వేర్ ప్రాజెక్టులను విస్తృతంగా అధ్యయనం చేసి మెరుగుపరచడానికి దాన్ని ఉపయోగించాము. ఉదాహరణకు, Chrome ఉపయోగించే JavaScript ఇంజిన్ V8ను పరిశోధించడానికి GPT‑5.6‑Cyberను ఉపయోగించాము. మెమరీని పాడుచేసి V8 హీప్ శాండ్‌బాక్స్ నుంచి బయటపడేందుకు గొలుసుగా కలపగల, గతంలో తెలియని రెండు దుర్బలతలను కనుగొన్నాము. మా పరిశోధకులు ఫలితాలను ధ్రువీకరించి, సమన్వయ దుర్బలత వెల్లడింపు ప్రక్రియ ద్వారా Googleకు నివేదించారు. Google ఆ దుర్బలతను సరిచేసి, దానికి CVE-2026-15903ను కేటాయించింది.

CVE-2026-15903 అనేది Chrome JavaScript ఇంజిన్ V8లోని అధిక-తీవ్రత దుర్బలత. విలువలను పూర్ణాంకాలుగా మార్చేటప్పుడు దాని ఆప్టిమైజింగ్ కంపైలర్ భద్రతా తనిఖీని తప్పుగా దాటవేసింది. దీంతో నిర్వచించని విలువలు ఆశించిన ఫలితానికి బదులుగా ఊహించని భారీ సంఖ్యను సృష్టించగలిగాయి.

ఆ సంఖ్యను అరే సూచికగా ఉపయోగిస్తే, అది అరే పరిమితుల్లోనే ఉందని కంపైలర్ తప్పుగా భావించి సాధారణ పరిమితి తనిఖీని వదిలివేయవచ్చు. దాడిదారు ఇతర ఆబ్జెక్టులకు చెందిన మెమరీని చదవవచ్చు లేదా తిరగరాయవచ్చు. తద్వారా Chrome శాండ్‌బాక్స్‌లో ఏ కోడ్‌నైనా అమలు చేయగల అవకాశం ఉంటుంది. హీప్ శాండ్‌బాక్స్ నుంచి బయటపడేందుకు సాధారణంగా రెండో దుర్బలత అవసరం. దానిని కూడా GPT‑5.6‑Cyber కనుగొంది. క్రింది రేఖాచిత్రం ఈ అధిక-తీవ్రత దుర్బలతకు స్థూల అవలోకనాన్ని అందిస్తుంది.