Cisco ra mắt Antares: Bộ mô hình AI siêu nhỏ giúp phát hiện lỗ hổng bảo mật trong mã nguồn

Cisco Foundation AI đã phát hành Antares, một dòng các mô hình ngôn ngữ nhỏ (SLM) bảo mật được xây dựng cho một tác vụ bảo mật chuyên biệt duy nhất. Tác vụ đó là định vị lỗ hổng bảo mật. Với mô tả về lỗ hổng và một kho lưu trữ (repository), mô hình sẽ tìm ra các tệp tin chứa lỗi đó.

Hai mô hình hiện đã có sẵn trọng số mở trên Hugging Face là Antares-350M và Antares-1B. Cả hai đều sử dụng giấy phép Apache 2.0. Nhóm Cisco cũng đã phát hành Vulnerability Localization Benchmark (VLoc Bench), một bộ đánh giá tác nhân gồm 500 tác vụ, dưới cùng giấy phép này.

Kết quả chính không phải là một trạng thái kỹ thuật mới (state of the art). Điểm đáng chú ý là một mô hình 1B đạt được 0.209 File F1. GPT-5.5 đạt 0.229, và một mô hình trọng số mở 753B đạt 0.186.

Vấn đề mà Antares hướng tới

Bảo mật phần mềm phụ thuộc vào việc kết nối kiến thức về lỗ hổng bên ngoài với mã nguồn bên trong. Kiến thức đó nằm trong các cơ sở dữ liệu công khai, các bản tin tư vấn và Common Weakness Enumerations (CWE). Mã nguồn nằm trong các kho lưu trữ lớn, có tính mô-đun và chứa nhiều phụ thuộc.

Việc kết nối hai yếu tố này rất tốn kém. Các lập trình viên phải tìm kiếm trong những đoạn mã lạ, tuân theo các quy ước đặt tên, kiểm tra các đường dẫn gọi hàm và so sánh các tệp tin ứng viên. Cisco cho rằng bước phân loại ban đầu này chính là nơi tập trung chi phí.

Antares không thay thế chuỗi công cụ bảo mật ứng dụng. Cisco đã khẳng định rõ điều này. Các đội ngũ phát triển vẫn cần quét phụ thuộc, quét bí mật, kiểm thử động, kiểm tra container, mô hình hóa mối đe dọa và đánh giá từ chuyên gia.

Tìm hiểu về các mô hình

Antares bao gồm ba mô hình transformer chỉ giải mã (decoder-only) với quy mô 350M, 1B và 3B tham số. Cả ba đều được khởi tạo từ các checkpoint của IBM Granite 4.0. Chúng chia sẻ chung bộ tokenizer và kiến trúc: grouped-query attention, SwiGLU MLP, RMSNorm, RoPE và các embedding đầu vào/đầu ra dùng chung.

Cách vòng lặp tác nhân hoạt động

Antares không được đánh giá như một mô hình chuỗi độc lập. Nó chạy bên trong một vòng lặp bị giới hạn với ba công cụ.

Mô hình nhận được mô tả danh mục CWE và không có gì khác. Không có văn bản tư vấn, không có gợi ý tệp tin, không có chi tiết về mức độ nghiêm trọng. Sau đó, nó đưa ra các lệnh terminal chỉ đọc đối với một Docker sandbox đã bị vô hiệu hóa kết nối mạng. Đầu ra của lệnh được cắt ngắn còn 2.000 ký tự trước khi đưa vào bản ghi.

Ngân sách là 15 lệnh gọi terminal cho mỗi tác vụ. Mô hình kết thúc bằng cách gọi hàm submit_vulnerable_files với một danh sách đã xếp hạng, hoặc submit_no_vulnerability_found. Bản thân việc gửi kết quả không tính vào ngân sách.

Đầu ra là một danh sách các đường dẫn tệp tin đã được xếp hạng cùng với dấu vết khám phá đã tạo ra danh sách đó.

VLoc Bench đo lường những gì

VLoc Bench lấy 500 tác vụ từ 290 kho lưu trữ thực tế độc nhất. Các nguồn là GitHub Security Advisories công khai trên sáu hệ sinh thái: npm, pip, Maven, Go, Rust và Composer. Nó bao phủ 147 danh mục CWE độc nhất và 78% các mục có định danh CVE được gán.

Sự thật cơ sở (Ground truth) được rút ra từ bản vá bảo mật. Các tệp tin được sửa đổi trong bản vá là các nhãn, trong khi các tệp kiểm thử, tài liệu và cấu hình bị loại trừ.

Bộ đánh giá có hai giai đoạn:

Kết quả: Đào tạo chuyên biệt cho tác vụ vượt trội hơn quy mô tham số

Mô hình trong dữ liệu là một "vách đá năng lực", không phải là một đường cong mở rộng (scaling curve).

Antares-3B đạt 0.223 File F1, chỉ thấp hơn một chút so với GPT-5.5 (xhigh) ở mức 0.229. Antares-1B đạt 0.209, cao hơn GLM-5.2 với 753B tham số (đạt 0.186). Antares-350M đạt 0.135, cao hơn Gemma-4-31B (0.101) và Gemini 2.5 Flash (0.102).

Antares-1B cũng ghi nhận độ thu hồi (recall) cao nhất trong số các hệ thống được đánh giá, ở mức 0.224.

Các công cụ phân tích tĩnh cũng được chạy dưới cùng giao thức đánh giá. Semgrep đạt 0.086 File F1, CodeQL đạt 0.023 và Horusec đạt 0.020. Nhận định của Cisco là các trình quét dựa trên quy tắc có thể khôi phục một số tệp tin dễ bị tổn thương nhưng không thể kiểm tra ngữ cảnh kho lưu trữ một cách linh hoạt.

Năng lực đến từ đâu

Các checkpoint cơ sở Granite 4.0 chưa qua đào tạo đạt 0.001, 0.000 và 0.000 File F1 theo cùng một giao thức. Chúng có khả năng gọi công cụ nhưng vẫn tạo ra đầu ra suy thoái bên trong vòng lặp tác nhân.

Tinh chỉnh có giám sát (SFT) là yếu tố then chốt. Nó nâng ba quy mô lên 0.108, 0.188 và 0.198. Tập dữ liệu SFT bao gồm 71.5% suy luận an ninh mạng, 15.4% quỹ đạo tìm kiếm mã nguồn và 13.1% nghiên cứu chuyên sâu và suy luận tổng quát. Tất cả các dấu vết suy luận đều đến từ một giáo viên duy nhất, GPT-OSS-120B, để tránh sự thay đổi phân phối giữa các giáo viên.

GRPO sau đó bổ sung từ 11% đến 25%, với mức tăng tương đối lớn nhất ở mô hình 350M. Các phần thưởng có thể kiểm chứng và được tính toán theo chương trình từ văn bản quỹ đạo, không sử dụng mô hình phần thưởng học máy. Các thành phần bao gồm chất lượng định vị, hành vi gửi kết quả, tuân thủ sử dụng công cụ, khám phá và các hình phạt cho đầu ra sai định dạng.

Hiệu ứng phương sai có thể quan trọng hơn giá trị trung bình. GRPO cắt giảm độ lệch chuẩn giữa các lần chạy từ 42% xuống 65%. Một lần đánh giá bằng GRPO là ước tính đáng tin cậy hơn một lần chạy SFT.

Ngoài ra còn có sự phân tách chiến lược học được tùy theo quy mô. Sau GRPO, các mô hình 350M và 1B sử dụng 87% đến 89% lệnh tìm kiếm và gửi nhiều tệp tin hơn. Mô hình 3B dừng ở mức 52% tìm kiếm và 37% đọc, đồng thời gửi ít tệp tin hơn với độ chính xác cao hơn. Phần thưởng không quy định bất kỳ chính sách nào trong số này.

Triển khai

Những điểm chính cần lưu ý

Hãy xem các mô hình trên Hugging Face, Benchmark, GitHub Repo và Báo cáo kỹ thuật được đề cập.

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.