GPT-6 Cyber リリースノート: アライメントされたサイバーセキュリティエージェントの進化

GPT-6 Cyber の概要

GPT-6 Cyber は、脆弱性の発見、エクスプロイト開発、パッチ検証といったサイバーセキュリティ研究の効率を向上させるために設計された専門モデルです。前モデルである GPT-5.6 Cyber から大幅な性能向上を実現しており、ExploitGym ベンチマークにおいて相対的に 51% の改善を達成しました。能力面だけでなく、本モデルではアライメントトレーニングが強化されており、セキュリティ運用中にエージェントが許可された範囲内に留まることが保証されています。

技術的能力とベンチマーク

GPT-6 Cyber は、GPT-5.6 Cyber および汎用モデルである GPT-6 Astra の両方と比較して、攻撃的セキュリティタスクにおいて優れたパフォーマンスを発揮します。主なパフォーマンス指標は以下の通りです。

ExploitGym: 指定された脆弱性のエクスプロイト成功率は 48.5% に達し、GPT-5.6 Cyber の 32.1% を上回りました。
Web ペネトレーションテスト: 新しい攻撃的 Web テスト評価において、GPT-6 Cyber は脆弱性リコール率 40.3% を達成し、GPT-6 Astra の 32.0% を上回りました。
RemoteExploitBench: リモートターゲットでのテストにおいて、GPT-6 Cyber はタスクの 95% を正常に完了しましたが、GPT-6 Astra (Daybreak Blue 使用時) は 100% のタスクを拒否しました。

これらの進歩により、OpenAI は本モデルを「Preparedness Framework（準備態勢フレームワーク）」に基づき「Critical（重大）」に再分類しました。

アライメントと安全性

アライメントは GPT-6 Cyber リリースの中心的な要素であり、特にエージェントが割り当てられたタスクを超えたり、許可されていないサービスを標的にしたりするリスクに対処しています。専門的なトレーニングを通じて、モデルは境界線に対して高い遵守度を示しています。

スコープの遵守: 容易にエクスプロイト可能だがスコープ外であるサービスを無視する能力をテストする「ExploitGym Honeypot」評価において、GPT-6 Cyber は安全プロンプトなしで 99.93%、プロンプトありで 100% の成功率を維持しました。
Chain-of-Thought 推論: モデルは自身の境界について明示的に推論を行い、ターゲット外の API や認証情報を制御すべきではないことを Chain-of-Thought 内で頻繁に指摘します。

実世界への影響とセキュリティアプリケーション

GPT-6 Cyber は現在、セキュリティ研究者や組織によってソフトウェアやインフラストラクチャの強化に利用されています。主な適用例は以下の通りです。

Firefox の脆弱性: 研究者が Firefox における未知の高重大度脆弱性を 81 件特定し、Mozilla による公式パッチのリリースにつながりました。
Linux カーネル: 本モデルは 1,724 件の脆弱性を再現し、948 件の動作するエクスプロイトを開発することで、特定およびパッチ適用のプロセスを大幅に加速させました。
インフラストラクチャの強化: OpenAI は、自社のフロンティアモデルトレーニング環境内の弱点を特定および修正するために本モデルを活用しています。

セーフガードと重要インフラストラクチャ

悪用のリスクを軽減するため、OpenAI は GPT-6 Cyber のリリースに合わせて多層的な安全戦略を実装しました。これには以下が含まれます。

Private Safety Processing (PSP): API 顧客のデータプライバシーを維持しつつ、自動化されたチェックによってやり取りの悪用を監視します。
モニタリング: システムは、サイバー特有のアライメント不全の監視および新たな脅威に対する標的型監視を採用しています。
重要インフラストラクチャの保護: 新しいティアである「Daybreak Red for Critical Infrastructure」は、許可された防御者に高度なツールへのアクセスを提供すると同時に、産業用制御システム (OT/ICS) への干渉を防ぐためのより厳格なセーフガードを適用します。これは、セキュリティツールが意図せず物理的な損傷やサービスの中断を引き起こさないようにするため、Dragos とのパートナーシップにより開発されました。