据《The Register》24日报道，AI安全初创公司RunSybil首席执行官Ari Herbert-Voss表示，将多款开源模型进行组合后，其漏洞检测能力可接近Anthropic的Mythos。
Ari Herbert-Voss是在新加坡举行的Black Hat Asia大会上作出上述表述的。
他表示，Mythos不仅能识别较为明显的漏洞，也擅长发现更复杂的问题，并将这一表现归因于“超线性扩展（supralinear scaling）”。
他指出，研究人员此前普遍认为，大语言模型的能力提升大致呈线性增长，但实际情况是，在数据、算力和时间等投入翻倍后，模型能力可能提升至4倍。不过，他同时认为，Mythos成本高昂，开源可能性也不高，因此对多数机构而言，开源替代方案更具现实意义。
在他看来，借助“scaffolding”框架并行调用多款开源模型，效果可以逼近Mythos。由于不同模型各有擅长的漏洞类型，这种方案也有助于弥补单一模型的识别盲区。
不过，他也强调，开源模型仍需要人类专家进行调度与编排，AI生成的漏洞报告也必须经过人工核验。他解释称，AI漏洞检测在某种程度上类似于fuzzing测试，即通过向软件输入随机数据来发现缺陷，因此同样容易产生大量告警，人工判断仍不可或缺。
他预计，未来安全专家仍将承担大量工作。此外，GPU和数据中心相关成本带来的经济压力，也会推动安全团队加快采用AI，进一步提升防御能力。
记者信息
Chi-gyu Hwang
delight@d-today.co.kr