GPT‑6 Cyber: నియమాలకు కట్టుబడే సైబర్ భద్రతా ఏజెంట్లలో ముందడుగు

భద్రతా పరిశోధనలో గొప్ప ముందడుగైన GPT‑6 Cyberను పరిచయం చేస్తున్నాం. దుర్బలత్వాలను కనుగొని సరిచేయడంలో ఇది మరింత సమర్థమైనది; పరిశోధకులు నిర్దేశించిన హద్దుల్లో ఉండటంలో మరింత విశ్వసనీయమైనది. కీలక సైబర్ భద్రతా ప్రమాణ పరీక్షల్లో GPT‑5.6 Cyber కంటే GPT‑6 Cyber గణనీయమైన మెరుగుదల చూపింది. ExploitGymలో సాపేక్షంగా 51% మెరుగుదలతో పాటు, నిర్దేశిత పరిధిలో ఉండే పరీక్షలోనూ పెద్ద ముందడుగు వేసింది. లినక్స్, ఫైర్‌ఫాక్స్ వంటి భద్రతకు కీలకమైన కోడ్ సమాహారాల్లో వేలాది దాడి పద్ధతులను కనుగొని నిర్ధారిస్తూ, వాస్తవ వినియోగంలోని సాఫ్ట్‌వేర్‌ను సురక్షితం చేయడంలో ఇది ఇప్పటికే సహాయపడుతోంది.

నిర్దిష్ట దుర్బలత్వాన్ని మోడళ్లు వాడుకోగలవో పరీక్షించే ExploitGymలో GPT‑6 Cyber 48.5% సాధించింది. GPT‑5.6 Cyber స్కోరు 32.1%. ఇది పని హద్దులనూ మరింత విశ్వసనీయంగా పాటిస్తుంది. ప్రత్యేక కట్టుబాటు మూల్యాంకనంలో, వినియోగ ప్రాంప్ట్ లేకుండా 99.93% పరీక్షల్లో, ఆ ప్రాంప్ట్‌తో 100% పరీక్షల్లో GPT‑6 Cyber పరిధికి వెలుపలి సేవల్లోని లోపాలను వాడుకోలేదు. అనుమతించిన పరిధిలో ఉండటం, పరిమితులను గౌరవించడం, ఫలితాలను కచ్చితంగా నివేదించడం కోసం ఇచ్చిన ప్రత్యేక శిక్షణ ఈ మెరుగైన కట్టుబాటులో ప్రతిబింబిస్తుంది.

ఈ సామర్థ్యాలు ఇప్పటికే వాస్తవ వ్యవస్థల రక్షణకు తోడ్పడుతున్నాయి. అత్యాధునిక మోడళ్లతో ఇంతకు ముందే విస్తృత పరీక్షలు చేసినప్పటికీ, మా పరిశోధకులు GPT‑6 Cyberతో లినక్స్‌లో అధిక అనుమతులు పొందేందుకు 948 దాడి పద్ధతులను⁠ అభివృద్ధి చేశారు. ఫైర్‌ఫాక్స్‌లో ఇంతకు ముందు తెలియని 81 అధిక-తీవ్రత దుర్బలత్వాలను గుర్తించారు. ప్రతిపాదిత ప్యాచ్‌ల అభివృద్ధిలోనూ మోడల్ సహాయపడింది. మొజిల్లా అనేక ఫైర్‌ఫాక్స్ దుర్బలత్వాలకు పరిష్కారాలను విడుదల చేసింది⁠(కొత్త విండోలో తెరుచుకుంటుంది). సిస్కో, కాలిఫ్, కోడ్‌రాబిట్ భద్రతా బృందాలు దుర్బలత్వ పరిశోధనకు, కోడ్ సమీక్షకు దీన్ని వాడుతున్నాయి. మేమూ మా సొంత మౌలిక సదుపాయాల్లో బలహీనతలను కనుగొని సరిచేయడానికి⁠ దీనిపై ఆధారపడ్డాం.

అత్యాధునిక మోడళ్లతో సాఫ్ట్‌వేర్‌ను సురక్షితం చేసేందుకు మనకున్న సమయం పరిమితమని⁠ స్పష్టమవుతోంది. Daybreak‌ను భారీగా విస్తరించి, అన్ని పరిమాణాల సంస్థలు, స్వతంత్ర పరిశోధకులు, బహిరంగ మూలకోడ్ నిర్వహణదారులకు అధునాతన భద్రతా పరిశోధనను అందించడమే మా లక్ష్యం. GPT‑6 Astra వంటి ప్రధాన శ్రేణి మోడళ్లు ఇప్పటికే కోడ్ సమీక్ష, దుర్బలత్వాల ప్రాధాన్య నిర్ధారణ, ప్యాచ్‌ల అభివృద్ధికి మద్దతు ఇస్తున్నాయి. ధృవీకృత రక్షకులు అనవసర తిరస్కరణలు తక్కువగా ఎదుర్కొంటూ దుర్బలత్వాలను, పరిష్కారాలను నిర్ధారించడానికి Daybreak బ్లూ సహాయపడుతుంది. GPT‑6 Cyberతో మరింత లోతైన దాడి కోడ్ అభివృద్ధికి, అనుమతించిన భద్రతా పరీక్షలకు Daybreak రెడ్ వీలు కల్పిస్తుంది.

GPT‑5.6 Cyberతో పోలిస్తే GPT‑6 Cyber పెద్ద ముందడుగు. Astra అభ్యర్థనను తిరస్కరించని సందర్భాల్లో కూడా, చాలా సైబర్ పనుల్లో ఇది GPT‑6 Astraను మించుతుంది. సాఫ్ట్‌వేర్‌ను అర్థం చేసుకోవడం, దుర్బలత్వాలను గుర్తించడం, పనిచేసే దాడి కోడ్‌ను అభివృద్ధి చేయడం అవసరమైన పనులపై మోడల్‌ను మూల్యాంకనం చేశాం. ఈ ఫలితాల ఆధారంగా, మా ప్రిపేర్‌డ్నెస్ ఫ్రేమ్‌వర్క్ కింద సైబర్ భద్రతలో ఈ మోడల్‌ను అత్యంత తీవ్రమైన స్థాయిగా వర్గీకరించాం. GPT‑5.6 Cyberకు ఇది అధిక స్థాయిగా ఉండేది.

దూరస్థ లక్ష్యంలోని నిర్దిష్ట దుర్బలత్వాన్ని మోడళ్లు వాడుకోగలవో పరీక్షించే ExploitGymలో GPT‑6 Cyber 48.5% సాధించింది. ఇది GPT‑5.6 Cyber సాధించిన 32.1% కంటే సుమారు 16 శాతం పాయింట్లు ఎక్కువ. దుర్బలత్వాల అన్వేషణను పరీక్షించేందుకు, దాడి-ఆధారిత వెబ్ చొరబాటు పరీక్షల కోసం కొత్త మూల్యాంకనాన్నీ రూపొందించాం. మూలకోడ్ అందుబాటులో లేకుండానే మోడళ్లు వెబ్ అనువర్తనాలను పరిశీలిస్తాయి. దుర్బలత్వాలను గుర్తించడంలో GPT‑6 Cyber 40.3% రీకాల్ సాధించగా, GPT‑6 Astra 32.0% సాధించింది.

పనిచేసే దాడి కోడ్‌ను అభివృద్ధి చేసి దూరస్థ లక్ష్యాలపై ప్రయోగించడం సహా, మరింత అధునాతన భద్రతా కార్యప్రవాహాలకు Daybreak రెడ్‌ను రూపొందించాం. ఈ సామర్థ్యాలను మూల్యాంకనం చేయడానికి RemoteExploitBench అనే కొత్త ప్రమాణ పరీక్షను రూపొందించాం. నియంత్రిత వాతావరణంలో ఏర్పాటు చేసిన GitLab, PostgreSQL, Jenkins వంటి అనువర్తనాల్లో తెలిసిన దుర్బలత్వాలను ఇది వాడుతుంది. మా తొలి మూల్యాంకనంలో, Daybreak బ్లూతో నడిచే GPT‑6 Astra 100% పనులను తిరస్కరించింది, కాగా GPT‑6 Cyber 95% పూర్తి చేసింది. ఒక దాడి కోడ్‌ను దూరం నుంచి పనిచేయించలేకపోవడమే దాని ఏకైక వైఫల్యం. పూర్తి ఫలితాలు, మూల్యాంకన అమరికల కోసం సిస్టమ్ కార్డ్⁠(కొత్త విండోలో తెరుచుకుంటుంది) చూడండి.

సైబర్ భద్రతా ఏజెంట్లతో ఉన్న ఒక ప్రమాదం ఏమిటంటే, అవి అప్పగించిన పని పరిధిని దాటి, సంబంధం లేని సేవల్లోని లోపాలను దాడికి వాడుకోవడానికి ప్రయత్నించవచ్చు లేదా పరిశోధకుడు నిర్దేశించిన కార్యాచరణ నియమాలను పట్టించుకోకపోవచ్చు.

GPT‑6 Cyber అభివృద్ధిలో సూచనలకు కట్టుబడటాన్ని ప్రధానాంశంగా తీసుకున్నాం. అనుమతించిన పరిధిలోనే ఉండటం, చర్యలపై పరిమితులను పాటించడం, చేసిన పనిని కచ్చితంగా నివేదించడం కోసం మోడల్‌కు ప్రత్యేక శిక్షణ ఇచ్చాం. వినియోగంలోకి తేవడానికి ముందు, ఈ ప్రవర్తనలను కొలిచేందుకు కట్టుబాటుపై పలు మూల్యాంకనాలు నిర్వహించాం. పూర్తి ఫలితాల కోసం సిస్టమ్ కార్డ్⁠(కొత్త విండోలో తెరుచుకుంటుంది) చూడండి.

వీటిలో ExploitGym Honeypot ఒకటి. దీని రూపకల్పనకు హగ్గింగ్ ఫేస్ ఘటన⁠ ఆధారమైంది. వేరుచేసిన వాతావరణంలో ఒక క్లిష్టమైన దుర్బలత్వ వినియోగ పనిని మోడల్‌కు ఇస్తాం. ప్యాకేజీ రిజిస్ట్రీ లేదా ఆబ్జెక్ట్ నిల్వ వంటి సహాయక సేవలను కూడా అందుబాటులో ఉంచుతాం. ఈ సేవలపై దాడి చేస్తే పనికి సంబంధించిన ఫ్లాగ్ బయటపడేలా, వాటి లోపాలను సులభంగా వాడుకోగలిగేలా ఉద్దేశపూర్వకంగా రూపొందిస్తాం. వాటిలోని లోపాలను వాడుకోవడం తన పని పరిధిలో లేదని మోడల్ స్వయంగా గుర్తించాలి.

ఈ మూల్యాంకనంలో GPT‑5.6 Cyberతో పోలిస్తే GPT‑6 Cyber గణనీయమైన ముందడుగు వేసింది. వినియోగ భద్రతా ప్రాంప్ట్‌లు లేకుండా పరీక్షించినప్పుడు, పరిధికి వెలుపల ఉన్న సేవల్లోని లోపాలను 99.93% సందర్భాల్లో వాడుకోలేదు. GPT‑5.6 Cyberలో ఇది 94.49%గా ఉంది. ఆ ప్రాంప్ట్‌లతో GPT‑6 Cyber 100% సందర్భాల్లో హద్దుల్లోనే ఉంది.

హద్దుల్లో ఉండటంపై GPT‑6 Cyber మోడల్ ఎలా తర్కిస్తుందో దాని చెయిన్-ఆఫ్-థాట్‌లో నేరుగా చూడవచ్చు:

దుర్బలత్వాలను కనుగొనడం, వాటి ప్రభావాన్ని నిర్ధారించడం, పరిష్కారాలను అభివృద్ధి చేయడంలో GPT‑6 Cyber ఇప్పటికే భద్రతా బృందాలకు సహాయపడుతోంది. కస్టమర్లు దీన్ని భారీ కోడ్ సమాహారాలపై పని చేయడానికి, దీర్ఘకాలం సాగే దాడి కోడ్ అభివృద్ధికి, భద్రతా సమీక్షకు ఉపయోగిస్తున్నారు:

మా సొంత వ్యవస్థలను సురక్షితం చేయడానికీ GPT‑6 Cyberపై ఆధారపడ్డాం. అత్యాధునిక మోడళ్లకు శిక్షణ ఇచ్చే మౌలిక సదుపాయాల భద్రతను పటిష్ఠం చేయడం⁠పై ఇటీవల పంచుకున్న పనిలో ఇది ప్రధాన మోడళ్లలో ఒకటి. నియంత్రిత రెడ్ టీమింగ్ కార్యక్రమాల్లో, GPT‑6 Cyber, ఇతర OpenAI మోడళ్లను వాడే ఏజెంట్లు దుర్బలత్వాలను వరుసగా అనుసంధానించి, microVMల హద్దులు దాటి వాటిని నడిపే హోస్ట్‌లపై కోడ్ అమలు చేశాయి. ఈ ఫలితాలతో సాఫ్ట్‌వేర్ లోపాలను సరిదిద్దాం, నెట్‌వర్క్ పరిమితులను కఠినతరం చేశాం, నిర్వహణదారులకు, విక్రేతలకు సమస్యలను నివేదించాం.

మా దుర్బలత్వ పరిశోధకులు బహిరంగ మూలకోడ్ సాఫ్ట్‌వేర్‌లో దుర్బలత్వాలను పెద్ద ఎత్తున కనుగొని నిర్ధారించడానికీ GPT‑6 Cyber వాడుతున్నారు. ఏళ్ల తరబడి నిశితంగా పరిశీలించిన సాఫ్ట్‌వేర్‌లో కూడా ఇంతకు ముందు తెలియని లోపాలు ఈ పనిలో బయటపడ్డాయి:

• Firefox‌లో 81 కొత్త దుర్బలత్వాలను కనుగొంది. దుర్బలత్వాలను కనుగొని, నాణ్యమైన ప్యాచ్‌లను పెద్ద ఎత్తున ప్రతిపాదించే స్వయంచాలక కార్యప్రవాహాల్లో GPT‑6 Cyber అనుకూలంగా ఉండవచ్చు. ఒక దుర్బలత్వ పరిశోధన కార్యక్రమంలో, మొజిల్లా అధిక తీవ్రతగా వర్గీకరించిన 81 కొత్త దుర్బలత్వాలకు GPT‑6 Cyber ఆధారాలను, తిరిగి నిర్వహించగల పరీక్షలను రూపొందించింది. తెలిసిన మరో 30 సమస్యలు గతంలో నివేదించిన దానికంటే తీవ్రమైనవని చూపించింది. ఈ ఫలితాలను మొజిల్లాకు తెలియజేశాం. వారి ఇంజనీర్లు పరిష్కారాలు అభివృద్ధి చేసేందుకు ప్రతిపాదిత ప్యాచ్‌లను కూడా అందించాం. మొజిల్లా ఈ పనికి మద్దతు తెలిపింది. నివేదికలు అందుకున్న కొద్దికాలానికే పరిష్కారాలను చేర్చడం ప్రారంభించింది⁠(కొత్త విండోలో తెరుచుకుంటుంది).

• Linux కెర్నల్‌లోని948 వల్నరబిలిటీలకు ఎక్స్‌ప్లాయిట్‌లను డెవలప్ చేయడం⁠.GPT‑6 Cyber 1,724 దుర్బలత్వాలను పునరుత్పత్తి చేసి, 948కి పనిచేసే దాడి కోడ్‌ను అభివృద్ధి చేసింది. అదే పరిశోధన హార్నెస్‌తో GPT‑5.6 Sol వాడుకోగలిగిన 166 దుర్బలత్వాల కంటే ఇది ఐదు రెట్లకు పైగా ఎక్కువ. లినక్స్ సముదాయ మార్గదర్శకాలను అనుసరించి, 304 అత్యంత తీవ్రమైన ఫలితాలను ప్రతిపాదిత ప్యాచ్‌లతో నిర్వహణదారులకు వెల్లడించాం. ఇతర దుర్బలత్వాలను సరిచేయించే ప్రక్రియ కొనసాగుతోంది.

• అత్యంత తీవ్రమైన దూరస్థ కోడ్ అమలు దుర్బలత్వాల ప్రదర్శన. Node.js, ఇతర సాఫ్ట్‌వేర్ వాడే కుదింపు లైబ్రరీ అయిన బ్రోట్లీలో అత్యంత తీవ్రమైన దుర్బలత్వాన్ని⁠(కొత్త విండోలో తెరుచుకుంటుంది) ఇటీవల చర్చించాం. దానిపై ఆధారపడే అనువర్తనాల్లో ఆ లోపం దూరస్థ కోడ్ అమలుకు ఎలా వీలు కల్పిస్తుందో చూపే దాడి కోడ్‌ను అభివృద్ధి చేసి నిర్ధారించడానికి, మా భద్రతా పరిశోధకులు ఇతర OpenAI మోడళ్లతో పాటు GPT‑6 Cyberను వాడారు.

మోడళ్ల సామర్థ్యం పెరిగి, మరిన్ని భద్రతా దుర్బలత్వాలను వెలికితీస్తున్న కొద్దీ, వాటితో హాని కలిగించే ప్రయత్నాలూ ఎక్కువగా కనిపిస్తున్నాయి. దురుద్దేశపూరిత సైబర్ కార్యకర్తల ప్రయత్నాలతో పాటు, మా మోడళ్ల జ్ఞానాన్ని తమ మోడళ్లకు బదిలీ చేసుకోవాలనుకునే ప్రత్యర్థి సమూహాల ప్రయత్నాలూ వీటిలో ఉన్నాయి. అందుకే GPT‑6 Cyber మెరుగైన సామర్థ్యాలకు బలమైన రక్షణలను జతచేశాం. ఇవి దుర్వినియోగాన్ని గుర్తించి అడ్డుకుంటూ, మోడల్ చర్యలు వినియోగదారు ఉద్దేశం, అనుమతి పరిధిలోనే ఉండేలా చేస్తాయి.

GPT‑6 Cyber విడుదలతో పాటు ఈ రక్షణలను చేర్చి, బలోపేతం చేశాం (పూర్తి వివరాలకు సిస్టమ్ కార్డ్⁠(కొత్త విండోలో తెరుచుకుంటుంది) చూడండి):

• సైబర్ పనుల్లో సూచనల ఉల్లంఘనపై ప్రత్యేక పర్యవేక్షణ. చట్టబద్ధమైన దాడి కోడ్ అభివృద్ధిని, పరీక్షలను గుర్తిస్తూనే, చర్యలు వినియోగదారు అనుమతికి అనుగుణంగా ఉన్నాయో పర్యవేక్షిస్తాం.

• కొత్త ముప్పులపై లక్షిత పర్యవేక్షణ. ఉదాహరణకు, తీవ్రమైన PHP దుర్బలత్వాల సమన్వయ వెల్లడిలో, పనిచేస్తున్న PHP సర్వర్లపై దాడి కోడ్ అభివృద్ధి ప్రయత్నాల కోసం ప్రత్యేక పర్యవేక్షణ ఏర్పాటు చేశాం. ప్రభావిత వ్యవస్థలను సరిచేసే రక్షణ బృందాలకు మద్దతు కొనసాగించాం.

• గోప్య భద్రతా ప్రాసెసింగ్ (PSP). సంబంధిత పరస్పర చర్యల్లో దుర్వినియోగాన్ని సమీక్షించేందుకు స్వయంచాలక తనిఖీలు వాడతాం. సాధారణ నిల్వ విధానమే డిఫాల్ట్‌గా కొనసాగుతుంది. జీరో డేటా రిటెన్షన్⁠(కొత్త విండోలో తెరుచుకుంటుంది) వాడే API కస్టమర్లు సాధారణంగా PSP⁠(కొత్త విండోలో తెరుచుకుంటుంది) వాడాలి. కస్టమర్ నిల్వలో 30 రోజుల పాటు ఉండే గుప్తీకరించిన రికార్డులను ఇది సమీక్షిస్తుంది. ప్రాంప్ట్‌లు, ప్రతిస్పందనలు OpenAI సిబ్బందికి కనిపించవు.

• దొంగిలించిన ప్రవేశ ఆధారాల నుంచి రక్షణ. డేబ్రేక్ రెడ్ API ప్రవేశానికి డిఫాల్ట్‌గా IP అనుమతి జాబితా అవసరం. పరిమిత మినహాయింపులతో, ఆమోదిత నెట్‌వర్క్‌ల అభ్యర్థనలనే అనుమతిస్తాం. ప్రవేశ ఆధారాలు ఇతరుల చేతికి చిక్కాయేమో కూడా పర్యవేక్షిస్తాం.

• శాండ్‌బాక్స్‌లో వేరుచేయడం, పర్యవేక్షణ. గత మోడళ్ల మాదిరిగానే, అధిక ముప్పు కలిగించే కార్యప్రవాహాలకు శాండ్‌బాక్స్‌లో వేరుచేయడం⁠(కొత్త విండోలో తెరుచుకుంటుంది), చర్యల సమీక్ష⁠(కొత్త విండోలో తెరుచుకుంటుంది), మానవ పర్యవేక్షణను సూచిస్తున్నాం.

• అధిక ముప్పు కలిగించే సైబర్ సహాయంపై రక్షణలు. కీలక వ్యవస్థలకు సంబంధించిన అధిక ముప్పు కార్యకలాపాలను అడ్డుకునేందుకు కొత్త తనిఖీలు వాడుతున్నాం (మరిన్ని వివరాలు కింద ఉన్నాయి).

GPT‑6 Cyber రక్షణలు, ప్రవేశ సౌకర్యాల రూపకల్పనలో కీలక మౌలిక సదుపాయాల రక్షణ ప్రధానాంశం. వీటిలో విద్యుత్ కేంద్రాలు, నీటి శుద్ధి కేంద్రాలు, వాటిని నడిపే కార్యాచరణ సాంకేతికత, పారిశ్రామిక నియంత్రణ వ్యవస్థలు (OT/ICS) ఉన్నాయి. ఈ వ్యవస్థలను రక్షించే బృందాలకు మా అత్యంత సమర్థ మోడళ్లను అందిస్తూనే, అనధికార దాడులను నిరోధించే రక్షణలను బలోపేతం చేయాలనుకుంటున్నాం.

మొదటగా, ఈ రక్షకులకు తోడ్పడేందుకు మా $1 బిలియన్ ముందువరుస రక్షకుల కోసం డేబ్రేక్⁠ నిధుల కార్యక్రమం ఉంది. ప్రభుత్వ సంస్థలు, అత్యవసర సేవల ప్రదాతల వంటి పరిమిత వనరులున్న బృందాలకు ఇది రాయితీతో ప్రవేశం కల్పిస్తుంది. ఆమోదిత కీలక మౌలిక సదుపాయాల రక్షకుల కోసం డేబ్రేక్ రెడ్‌లో కీలక మౌలిక సదుపాయాల కోసం డేబ్రేక్ రెడ్ అనే కొత్త సమూహాన్ని తెస్తున్నాం. మోడల్ సూచనలు ఉల్లంఘించకుండా రక్షణలు కొనసాగిస్తూనే, కీలక వ్యవస్థలపై అనుమతితో పరీక్షలు నిర్వహించే హక్కులను ఇది ఇస్తుంది.

రెండవది, డేబ్రేక్ రెడ్, బ్లూ వేదికల దుర్వినియోగాన్ని నివారించేందుకు రక్షణలను మెరుగుపరిచాం. పారిశ్రామిక నియంత్రణలు, భద్రతకు కీలక వ్యవస్థలను దెబ్బతీయడం, పరికరాల్లో జోక్యం, తీవ్ర గాయాలు, విపత్కర భౌతిక నష్టం లేదా ప్రాణాలకు ముప్పు కలిగించే సేవల అంతరాయానికి దారితీసే సహాయాన్ని, సామర్థ్యాల అభివృద్ధిని ఇవి నిరోధిస్తాయి. GPT‑6 Cyberతో పాటు అందిస్తున్న తాజా నవీకరణలకు ముందు, తర్వాత నాలుగు ప్రవేశ అమరికల్లో రక్షణ లేబుల్ రేట్లను కింది చిత్రం పోలుస్తుంది.

రక్షణల ద్వారా ఎక్కువగా నిరోధించడమే ఎల్లప్పుడూ మెరుగైన ఫలితం కాదు. ఈ మూల్యాంకనంలోని అనేక పద్ధతులు చట్టబద్ధమైన భద్రతా పనికీ అవసరం: వ్యవస్థలను అర్థం చేసుకోవడం, దుర్బలత్వాలను కనుగొనడం, పరిష్కారాలు దాడిని తట్టుకుంటాయో నిర్ధారించడం. కాబట్టి 100% లక్ష్యంగా కాకుండా, చట్టబద్ధమైన పరిశోధనకు, లోపాల సవరణకు ఇచ్చే మద్దతుతో కలిపి ఈ రేట్లను అంచనా వేస్తాం.

కీలక మౌలిక సదుపాయాల రక్షణలో మా మోడళ్ల సహాయాన్ని అంచనా వేసేందుకు డ్రాగోస్‌తో భాగస్వామ్యం చేసుకున్నాం. ఇది విస్తృత కార్యాచరణ సాంకేతికత (xOT) సైబర్ భద్రతను ప్రపంచవ్యాప్తంగా అందించే సంస్థ. డ్రాగోస్ నియంత్రిత ప్రయోగశాలలో, సైబర్ పనులకు విస్తృత అనుమతులున్న డేబ్రేక్ రెడ్ మోడళ్లతో మూల్యాంకనాలు నిర్వహించింది. నెట్‌వర్క్ అన్వేషణ, వనరుల జాబితా తయారీ నుంచి లక్షిత సమాచార సేకరణ, సున్నిత డేటాను బయటకు తరలించడం, అనధికారికంగా ప్రమాదకర పరికర చర్యలు చేపట్టడం వరకు సాగే అభ్యర్థనలను పరీక్షించారు.

అనుమతించిన పరీక్షలను అనవసరంగా పరిమితం చేయకుండా హానికర సహాయాన్ని అడ్డుకోవాలనే లక్ష్యంతో, డ్రాగోస్ సూచనలను ఉపయోగించి రక్షణలను మెరుగుపరిచాం. మూల్యాంకనాల వివరాలకు వారి తుది నివేదికను చూడండి⁠(కొత్త విండోలో తెరుచుకుంటుంది). AIతో చొరబాటు పరీక్షలు, రెడ్ టీమింగ్ కోసం ఇతర దాడి-ఆధారిత భద్రతా ప్రదాతలు, సంయుక్త దాడి-రక్షణ బృందాలతో భాగస్వామ్యాలు విస్తరిస్తున్నాం. పారిశ్రామిక రక్షణలో మా మోడళ్ల ప్రభావం, రక్షణలను అంచనా వేసేందుకు ఇంధన సంస్థలు, ఇతర కీలక మౌలిక సదుపాయాల నిర్వాహకులు, జాతీయ ప్రయోగశాలలతోనూ పనిచేస్తున్నాం. OT/ICSకు సంబంధించిన మోడల్ వినియోగాన్ని గుర్తించేందుకు ముప్పుల దర్యాప్తులో పెట్టుబడినీ పెంచాం. భాగస్వాములు, భద్రతా సముదాయం సూచనలతో రక్షణలను మెరుగుపరుస్తూనే ఉంటాం. రక్షణలు హానికర కార్యకలాపాలను గుర్తించనప్పుడు లేదా చట్టబద్ధమైన పనికి అడ్డుపడినప్పుడు /feedback ద్వారా వచ్చే నివేదికలనూ ఉపయోగిస్తాం.

తొలుత, ఆమోదం పొందిన కొందరు Daybreak రెడ్ కస్టమర్లకు API, Codex ద్వారా GPT‑6 Cyber అందుబాటులో ఉంటుంది. త్వరలో Daybreak రెడ్ కస్టమర్లందరికీ దశలవారీగా అందుబాటును విస్తరిస్తాం. GPT‑5.6 Cyberనూ Daybreak రెడ్ కస్టమర్లందరికీ అందుబాటులోకి తెస్తున్నాం. GPT‑6 Astra కోసం Daybreak బ్లూ ఆల్ఫా అందుబాటును మరిన్ని సంస్థలకు, వ్యక్తిగత భద్రతా పరిశోధకులకు విస్తరిస్తున్నాం. ఆసక్తి ఉంటే మాకు తెలియజేయండి⁠(కొత్త విండోలో తెరుచుకుంటుంది).

కొత్త వినియోగదారులు, సంస్థలు Daybreak కోసం దరఖాస్తు చేసుకుని⁠, మా సైబర్ నైపుణ్యాలు, ప్రోడక్ట్‌లు, భాగస్వాములతో⁠ ప్రారంభించవచ్చు.