Sản phẩm
Cisco ra mắt Antares: Mô hình ngôn ngữ nhỏ chuyên dụng để định vị lỗ hổng bảo mật
(giờ Việt Nam)
Tóm tắt AI
Cisco vừa giới thiệu dòng mô hình ngôn ngữ nhỏ Antares (350M - 3B tham số) giúp chuyên gia bảo mật định vị lỗ hổng trong mã nguồn nhanh chóng. Với ưu điểm nhẹ và bảo mật, mô hình này có thể triển khai cục bộ để hỗ trợ rà soát mã nguồn thay vì tự động tìm kiếm lỗ hổng.
Bản dịch AI
Theo tin từ IT ngày 22 tháng 7, Cisco vừa thông báo ra mắt dòng mô hình ngôn ngữ nhỏ (SLM) mang tên Antares. Các mô hình này được thiết kế chuyên biệt cho việc định vị lỗ hổng bảo mật. Hiện tại, hãng đã phát hành các phiên bản 350M và 1B tham số trên Hugging Face (truy cập tại đây), và dự kiến sẽ ra mắt phiên bản 3 tỷ tham số (3B) trong thời gian tới.

Theo giới thiệu, Antares không phải là mô hình AI có khả năng tự động phát hiện các lỗ hổng chưa biết. Mục đích thiết kế của nó là hỗ trợ các chuyên gia bảo mật trong việc định vị lỗ hổng (Vulnerability Localization). Sau khi tiếp nhận loại lỗ hổng CWE và các mô tả liên quan, mô hình sẽ sử dụng các lệnh terminal để tìm kiếm trong kho mã nguồn và xuất ra báo cáo kiểm tra, từ đó giúp các chuyên gia bảo mật nâng cao hiệu quả rà soát thủ công.
Để đánh giá hiệu năng của mô hình Antares, Cisco đã thực hiện một bài kiểm tra chuẩn về định vị lỗ hổng (Vulnerability Localization Benchmark). Bài kiểm tra này bao gồm 290 kho mã nguồn thực tế, 147 loại lỗ hổng CWE và 500 tác vụ kiểm thử. Theo báo cáo kỹ thuật do Cisco công bố, Antares-1B đạt tỷ lệ phát hiện tệp tin chứa lỗ hổng (Recall) là 22,4%, xếp hạng cao nhất trong số tất cả các mô hình tham gia thử nghiệm, nhỉnh hơn một chút so với mức 22,1% của GPT-5.5.

Cisco cho biết, nhờ quy mô nhỏ gọn, mô hình Antares có thể được triển khai trực tiếp trong môi trường cục bộ hoặc mạng nội bộ doanh nghiệp, mang lại đặc tính nhẹ và bảo mật quyền riêng tư. Tuy nhiên, do chức năng vốn có còn hạn chế và chỉ đóng vai trò hỗ trợ, các doanh nghiệp vẫn cần kết hợp với các biện pháp khác như phân tích thành phần phụ thuộc, phân tích thành phần phần mềm (SBOM), quét thông tin nhạy cảm, kiểm thử bảo mật động, mô hình hóa mối đe dọa, vá lỗ hổng và rà soát bảo mật thủ công để xây dựng một hệ thống bảo vệ phần mềm toàn diện.

Thông báo quảng cáo: Các liên kết ngoài trong bài viết (bao gồm nhưng không giới hạn ở siêu liên kết, mã QR, mật khẩu, v.v.) được sử dụng để truyền tải thêm thông tin, giúp tiết kiệm thời gian chọn lọc, kết quả chỉ mang tính chất tham khảo. Tất cả các bài viết trên IT đều bao gồm thông báo này.
Bài viết được AI dịch và tổng hợp tự động từ IT Home ITHome. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.