Cogent AI ra mắt VR-1: Mô hình suy luận chuyên biệt cho tấn công và phòng thủ mạng doanh nghiệp

Đội ngũ Cogent AI đã ra mắt Cogent VR-1, một mô hình suy luận được huấn luyện chuyên sâu cho an ninh mạng thay vì chỉ sở hữu khả năng tấn công mạng như một tác dụng phụ từ năng lực lập trình tổng quát. Mô hình này đi kèm với hai công cụ hỗ trợ: IntrusionBench, một bộ tiêu chuẩn đánh giá các tác nhân (agent) dựa trên các cuộc xâm nhập doanh nghiệp đã hoàn tất, và Cogent AI Harness, một môi trường thực thi được kiểm soát dành cho các tác nhân bảo mật. Sự kiện ra mắt diễn ra chỉ sáu ngày sau khi OpenAI tiết lộ rằng các mô hình của họ đã thoát khỏi môi trường đánh giá biệt lập (sandboxed) và xâm nhập vào cơ sở hạ tầng sản xuất của Hugging Face, một sự cố mà Cogent trích dẫn trực tiếp là lý do tại sao các đơn vị phòng thủ cần có khả năng suy luận tương đương.

VR-1 có thể triển khai được không?

Sản phẩm không phải mã nguồn mở và không công khai trọng số. VR-1 chỉ khả dụng cho các tổ chức đã qua kiểm duyệt thông qua Chương trình Cogent Frontier Access, với các hàng rào bảo vệ, kiểm soát chính sách và ghi nhật ký kiểm toán được thiết lập sẵn. Các đơn vị tham gia sẽ làm việc trực tiếp với Cogent Research về việc đánh giá và triển khai trong môi trường riêng của họ.

Đây là sản phẩm dành cho doanh nghiệp lớn: các tổ chức có hệ thống đám mây trải rộng, biểu đồ định danh phức tạp và bộ phận bảo mật chuyên trách — quy mô khoảng Fortune 2000 trở lên, cùng với các cơ quan chính phủ và quốc phòng. Đây không phải là sản phẩm dành cho doanh nghiệp vừa và nhỏ (SMB). Các ngành công nghiệp phù hợp bao gồm dịch vụ tài chính, chăm sóc sức khỏe, SaaS, bán lẻ và thương mại điện tử, viễn thông và cơ sở hạ tầng trọng yếu, tất cả đều là những lĩnh vực mà một lỗ hổng bảo mật có thể dẫn đến dữ liệu được quản lý chặt chẽ.

VR-1 được huấn luyện để làm gì?

Nghiên cứu của Cogent khẳng định rõ ràng rằng việc xác định điểm yếu không đồng nghĩa với việc hoàn tất một cuộc xâm nhập. Với một điểm tựa (foothold) được xác định phạm vi và một mục tiêu cụ thể, VR-1 sẽ điều tra môi trường xung quanh, kiểm thử các giả thuyết, vượt qua các ranh giới hệ thống và thực thi chuỗi hành động kết quả trên các nền tảng đám mây, định danh, thời gian thực thi, mã nguồn, CI/CD, SaaS và bối cảnh tổ chức.

Quá trình huấn luyện bổ sung (post-training) nhắm vào bốn hành vi quyết định sự thành công của một cuộc điều tra kéo dài: điều tra trong điều kiện thông tin không đầy đủ, tổng hợp bằng chứng trên nhiều miền khác nhau, phục hồi từ các ngõ cụt thay vì chỉ thử lại các biến thể, và xác minh mục tiêu thực tế thay vì dừng lại ở những thứ chỉ mang tính nhạy cảm. Mỗi quỹ đạo thực thi chạy trong giới hạn hai giờ đồng hồ hoặc 250 lượt tương tác của tác nhân, tùy theo điều kiện nào đến trước.

IntrusionBench đánh giá dựa trên thực thi, không phải tường thuật.

IntrusionBench đặt một tác nhân vào môi trường được kiểm soát với một điểm tựa, một lộ trình đa miền ẩn, các công cụ có phạm vi giới hạn và một bộ xác minh dựa trên thực thi. Một tác nhân chỉ mô tả một chuỗi tấn công hợp lý sẽ không ghi được điểm; nó phải tiếp cận được mục tiêu và tạo ra bằng chứng có thể kiểm chứng.

Cogent đánh giá trên ba thiết lập thông tin. Ở chế độ hộp đen (black-box), tác nhân chỉ nhận được điểm tựa và mục tiêu. Ở chế độ hộp xám (grey-box), một phần chi tiết môi trường được tiết lộ. Ở chế độ hộp trắng (white-box), mã nguồn và điểm yếu cơ bản được cung cấp trực tiếp, và các mô hình phần lớn đều hội tụ kết quả — đây là kết quả mang tính thông tin nhất trong đợt ra mắt, vì nó cho thấy lợi thế của VR-1 đến từ việc tìm ra lộ trình thay vì kỹ năng khai thác vượt trội.

Phân tích quỹ đạo cho thấy các mô hình tổng quát thường thất bại theo bốn cách lặp đi lặp lại: chỉ hoạt động cục bộ trong một hệ thống, bỏ lỡ các quan sát ban đầu vốn chỉ trở nên quan trọng sau này, chấp nhận các kết quả gần đúng là thành công và tường thuật một chuỗi tấn công mà không thực thi nó.

Các con số

Cogent báo cáo rằng VR-1 chứng minh được số lượng lộ trình tấn công nhiều gấp đôi với chi phí chỉ bằng khoảng một phần tư, được đo lường theo chỉ số pass@3 ở chế độ hộp đen so với Kimi K3, Claude Opus 4.8 và GLM-5.2.

Về ‘Mythos-class’

Cogent sử dụng thuật ngữ Mythos-class để mô tả một ngưỡng năng lực — sự chuyển đổi từ việc xác định điểm yếu sang thực thi các lộ trình tấn công thực tế — và khẳng định rõ ràng rằng họ không tuyên bố tương đương về mặt tổng quát với các mô hình Mythos của Anthropic. VR-1 không được đánh giá so sánh với Mythos; mô hình của Anthropic trong bộ so sánh là Claude Opus 4.8. Cogent cũng lưu ý rằng VR-1 chưa được đánh giá về khả năng khai thác trình duyệt, khai thác nhị phân hoặc phát hiện lỗ hổng zero-day.

Những điểm chính cần lưu ý

Hãy xem các chi tiết kỹ thuật. Ngoài ra, đừng ngần ngại theo dõi chúng tôi trên Twitter và đừng quên tham gia SubReddit 150k+ ML của chúng tôi cũng như đăng ký nhận Bản tin (Newsletter). Khoan đã! Bạn có dùng Telegram không? Bây giờ bạn cũng có thể tham gia cùng chúng tôi trên Telegram.

Cần hợp tác với chúng tôi để quảng bá GitHub Repo, trang Hugging Face, sản phẩm mới hoặc hội thảo trực tuyến của bạn? Hãy kết nối với chúng tôi.

Michal Sutter là một chuyên gia khoa học dữ liệu với bằng Thạc sĩ Khoa học Dữ liệu từ Đại học Padova. Với nền tảng vững chắc về phân tích thống kê, học máy và kỹ thuật dữ liệu, Michal xuất sắc trong việc chuyển đổi các tập dữ liệu phức tạp thành những thông tin chi tiết có thể hành động được.