- Claude Mythos Preview har upptäckt tusentals kritiska brister i grundläggande programvara, vilket vida överträffar människors och traditionella verktygs detekteringsmöjligheter.
- Project Glasswing är en begränsad koalition av 50 teknik- och finansjättar som använder denna AI för att åtgärda sårbarheter innan de utnyttjas.
- Modellen förblir under kontrollerad åtkomst på grund av sin ASL-4-risknivå, eftersom den har förmågan att generera funktionella exploateringar autonomt.
Tänk dig att programvaran som ligger till grund för internet, från webbläsarna du använder för att läsa detta till operativsystemen på de mest kraftfulla servrarna, hade osynliga sårbarheter som ingen hade upptäckt på årtionden. Det visar sig att Anthropic har gjort ett genombrott med ett verktyg som inte bara hittar dessa sårbarheter utan också vet exakt hur man utnyttjar dem, vilket tvingar hela branschen att ompröva hur vi skyddar våra data.
Vi pratar inte om en enkel uppdatering av en smart chattapp, utan om ett fullständigt paradigmskifte. Med lanseringen av Project Glasswing har företaget beslutat att ta en proaktiv defensiv strategi och sammanför tungviktarna inom teknik- och finanssektorerna för att rensa upp i den globala kodbasen innan någon med onda avsikter bestämmer sig för att använda samma teknik för att skapa digitalt kaos.
Hjärnan bakom operationen: Claude Mythos Förhandsvisning
Den verkliga drivkraften bakom hela den här operationen är Claude Mythos Preview , en AI-modell som sätter sina föregångare på skam när det gäller säkerhetsanalys. Till skillnad från kommersiella modeller har Mythos en djup resonemangsförmåga som gör att den kan identifiera tusentals nolldagssårbarheter – brister som inte ens de ursprungliga utvecklarna var medvetna om.
Det som gör den här modellen till ett verkligt kraftpaket är dess förmåga att kedja ihop sårbarheter . I den verkliga världen använder en hackare vanligtvis inte ett enda hål, utan kombinerar snarare flera mindre brister för att få fullständig åtkomst. Mythos kan härleda hur man länkar samman dessa delar och, ännu mer imponerande, kan skriva och exekvera testkod för att bevisa att bristen är verklig och utnyttjas, vilket eliminerar bruset från falska positiva resultat som frustrerar cybersäkerhetsanalytiker och deras verktyg så mycket.
Figurer som får håret att resa sig
Om du trodde att mogen programvara var säker, kommer Glasswings data att ge dig mardrömmar. På bara trettio dagar upptäckte programpartners mer än 10 000 allvarliga eller kritiska sårbarheter. Enbart Cloudflare, som redan är ledande inom säkerhet, hittade 2 000 buggar i sina egna system, varav 400 var kritiska , vilket visar att även de mest förberedda inte är immuna mot fel.
Situationen med öppen källkod är ännu mer alarmerande. Anthropic analyserade cirka 1 000 projekt som är viktiga för nätverket och hittade mer än 23 000 potentiella sårbarheter, varav 6 202 klassificerades som kritiska . För att ge dig en uppfattning avslöjade modellen en sårbarhet i OpenBSD som hade varit vilande i 27 år , utöver 16 respektive 17 år gamla buggar i FFmpeg och FreeBSD. Programvara som hade klarat otaliga granskningar och fortfarande hade en sårbarhet.
Varför kan vi inte använda Mythos hemma?
Du undrar säkert varför Anthropic inte släpper den här modellen till allmänheten. Svaret är enkelt: den är för farlig. Mythos har internt klassificerats som ASL-4 (AI Safety Level 4) , vilket betyder att den har potential för katastrofala skador om den hamnar i fel händer. En modell som hittar en bugg med sådan precision kan, på ett ögonblick, generera den perfekta exploiten för att attackera kritisk infrastruktur.
Därför är åtkomsten begränsad till en sluten krets av 50 utvalda organisationer , inklusive jättar som Microsoft, Google, Apple, Amazon och JPMorgan Chase. Tanken är att dessa enheter ska använda AI för att uppdatera programvaran i massor innan angripare utvecklar sina egna verktyg baserade på liknande modeller. Det är i huvudsak en kapprustning där Anthropic vill att de goda ska ha övertaget.
Lärdomar för sektorn och framtidens utveckling
Denna implementering gör det tydligt att säkerhet inte längre kan vara en eftertanke. Cloudflare har påpekat att användningen av AI-agenter kräver en mycket specifik testmiljö; det räcker inte att bara be modellen att "leta efter buggar". Istället måste uppgifter segmenteras och kontradiktorisk granskning (en andra agent som utmanar den förstas resultat) användas för att förhindra att AI:n fabricerar information.
Dessutom har en oroande mänsklig flaskhals uppstått: AI hittar buggar snabbare än programmerare kan fixa dem. Medan Mythos upptäcker tusentals fel, är triage-, rapporterings- och patchprocessen fortfarande beroende av överbelastade mänskliga arbetare. Detta har lett till att vissa företag har försökt minska sina SLA:er för svar till så lite som två timmar från publiceringen av en CVE , även om detta medför risken att patchar släpps utan adekvata regressionstest.
För att bekämpa detta har Anthropic lanserat Claude Security i betaversion för företagskunder och Cyberverifieringsprogrammet, vilket gör det möjligt för legitima yrkesverksamma att använda deras modeller utan de vanliga begränsningarna. De har också avsatt miljontals dollar till stiftelser som Linux Foundation och Apache för att hjälpa open source-utvecklare att hantera denna tsunami av säkerhetsrapporter.
Verkligheten är att kostnaden för att upptäcka sårbarheter har sjunkit drastiskt, och fönstret mellan upptäckt och utnyttjande är nu smalare än någonsin. Framgången med Project Glasswing visar att det enda sättet att överleva i detta nya ekosystem är genom transparens och samarbete över sektorer , där man accepterar att AI nu är det primära verktyget för både att attackera och försvara global digital infrastruktur.
