Mozilla యొక్క Firefox దావా ఇప్పటికే ఉద్రిక్తంగా ఉన్న AI భద్రతా చర్చను మరింత పదునెక్కించింది
Anthropic యొక్క Mythos Preview మోడల్ Firefox 150 విడుదలకు ముందే 271 భద్రతా లోపాలను గుర్తించడంలో సహాయపడిందని Mozilla చెబుతోంది, ఇది అధునాతన AI సైబర్సెక్యూరిటిపై ఎలా ప్రభావం చూపుతుందనే పోటీలో వెంటనే పణాన్ని పెంచుతోంది.
Ars Technica నివేదించిన ఈ విషయం, ఇప్పటివరకు ప్రధానంగా ఊహాగానాలు, బెంచ్మార్క్ దావాలు, మరియు AI కంపెనీల హెచ్చరికలతో నడిచిన చర్చకు అసాధారణంగా స్పష్టమైన ఆధారాన్ని జోడిస్తోంది. ఏప్రిల్ ప్రారంభంలో Anthropic, Mythos లోపాలను కనుగొనడంలో అంత ప్రభావవంతంగా ఉందని, అందుకే దాన్ని తొలుత కొద్ది కీలక పరిశ్రమ భాగస్వాములకు మాత్రమే పరిమితం చేశామని చెప్పింది. Mozilla అనుభవం ఇప్పుడు ఆ సామర్థ్యం ప్రాక్టికల్గా ఎలా ఉండవచ్చో చెప్పే అత్యంత స్పష్టమైన నిజ-ప్రపంచ సంకేతాలలో ఒకటి.
Firefox CTO బాబీ హోలీ దీని ప్రభావాలను విస్తృతంగా వివరించి, రక్షణాత్మక భద్రతా బృందాలు చివరకు పైచేయి సాధించవచ్చని వాదించారు. 271 లోపాల తీవ్రతపై విపుల ప్రకటన లేకపోయినా, ఈ సంఖ్యను పట్టించుకోకుండా ఉండటం కష్టం.
పదుల సంఖ్యలో ఉన్న బగ్ల నుంచి ఒక్క విడుదల చక్రంలోనే వందల వరకు
మూల నివేదికలో అత్యంత ఆశ్చర్యకరమైన పోలిక AI మరియు మనుషుల మధ్య కాదు, ఒక తరం AI మోడల్ మరియు తదుపరి తరం మధ్య. గత నెల Firefox 148ను విశ్లేషించినప్పుడు Anthropic యొక్క Opus 4.6 మోడల్ 22 భద్రతా-సున్నితమైన బగ్లను కనుగొందని హోలీ చెప్పారు. Mythos Preview, Firefox 150ని పరిశీలిస్తూ, 271 లోపాలను వెలుగులోకి తెచ్చిందని సమాచారం.
ఆ సంఖ్యలు నేరుగా పోల్చదగినవైతే, అది అద్భుతమైన జంప్. లోపాల విశ్లేషణలో మోడల్ పురోగతి రేఖీయంగా ఉండకపోవచ్చని ఇది సూచిస్తుంది. లక్ష్య కోడ్ లేదా శోధనా పరిస్థితుల్లో తేడాలు ఉన్నప్పటికీ, అంత తక్కువ సమయంలో కొన్ని పదుల నుంచి వందల కనుగొనుళ్లకు చేరుకోవడం సామర్థ్యంలో గణనీయమైన మార్పును సూచిస్తోంది.
మోడల్ ఈ సమస్యలను విడుదల కాని సోర్స్ కోడ్ను విశ్లేషించడం ద్వారా మాత్రమే కనుగొందని మూల నివేదిక చెబుతోంది. ఇది ముఖ్యమైన విషయం, ఎందుకంటే మోడల్ను పెద్ద స్థాయిలో నడిచే ఆటోమేటెడ్ fuzzing ఇంజిన్గా కాకుండా, codebasesను పరిశీలించి సంభావ్య లోపాలను గుర్తించగల reasoning systemగా నిలబెడుతోంది.
హోలీ ఈ పనిని ఆటోమేటెడ్ fuzzing ద్వారా లేదా సంక్లిష్ట బ్రౌజర్ కోడ్ను లోతుగా తర్కించే అత్యుత్తమ మానవ పరిశోధకులు చేసే పనితో పోల్చారు. ప్రాయోగిక తేడా ఖర్చు, వేగం అని ఆయన చెప్పారు. ఒక AI మోడల్ అనేక నెలల తీవ్రమైన నిపుణుల కృషి లేకుండానే భద్రతా లోపాలను కనుగొనగలిగితే, రక్షణాత్మక సమీక్ష మరింత చౌకగా, విస్తరించదగినదిగా మారుతుంది.
