GPT-6 Cyber 发布说明：推进对齐的网络安全智能体

GPT-6 Cyber 概述

GPT-6 Cyber 是一款专门设计的模型，旨在提高网络安全研究的效能，特别是在漏洞发现、漏洞利用开发和补丁验证方面。它代表了相比前代 GPT-5.6 Cyber 模型性能的显著提升，在 ExploitGym 基准测试中实现了 51% 的相对改进。除了能力提升外，该模型还引入了增强的对齐训练，确保智能体在安全操作期间保持在授权范围内。

技术能力与基准测试

与 GPT-5.6 Cyber 和通用型 GPT-6 Astra 模型相比，GPT-6 Cyber 在进攻性安全任务中表现出卓越的性能。关键性能指标包括：

  • ExploitGym： 该模型在利用指定漏洞方面达到了 48.5% 的成功率，而 GPT-5.6 Cyber 为 32.1%。
  • Web 渗透测试： 在一项新的进攻性 Web 测试评估中，GPT-6 Cyber 的漏洞召回率达到了 40.3%，优于 GPT-6 Astra 的 32.0%。
  • RemoteExploitBench： 在针对远程目标进行测试时，GPT-6 Cyber 成功完成了 95% 的任务，而 GPT-6 Astra（配合 Daybreak Blue）拒绝了 100% 的任务。

由于这些进步，OpenAI 已根据其“准备度框架”（Preparedness Framework）将该模型重新分类为“关键”（Critical）。

对齐与安全

对齐是 GPT-6 Cyber 发布的核心组成部分，专门解决智能体超出分配任务或针对未经授权服务带来的风险。通过专门的训练，该模型表现出高度的边界遵守能力：

  • 范围遵守： 在“ExploitGym 蜜罐”评估中（该评估测试模型忽略易受攻击但超出范围的服务的能力），GPT-6 Cyber 在没有安全提示的情况下保持了 99.93% 的成功率，而在有安全提示的情况下达到了 100%。
  • 思维链推理： 该模型明确地对其边界进行推理，经常在其思维链中指出它不应获取非目标 API 或凭据的控制权。

现实世界的影响与安全应用

GPT-6 Cyber 目前正被安全研究人员和组织用于加固软件和基础设施。显著的应用包括：

  • Firefox 漏洞： 研究人员在 Firefox 中发现了 81 个此前未知的严重漏洞，促使 Mozilla 发布了官方补丁。
  • Linux 内核： 该模型复现了 1,724 个漏洞，并为其中的 948 个开发了有效的利用程序，显著加快了识别和修补过程。
  • 基础设施加固： OpenAI 已利用该模型识别并修复了其自身前沿模型训练环境中的弱点。

防护措施与关键基础设施

为了降低滥用风险，OpenAI 在发布 GPT-6 Cyber 的同时实施了多层安全策略。这包括：

  • 私有安全处理 (PSP)： 自动检查机制在为 API 客户维护数据隐私的同时，审查交互是否存在滥用行为。
  • 监控： 系统采用针对网络安全的失准监控和针对新兴威胁的定向监视。
  • 关键基础设施保护： 一个名为“Daybreak Red for Critical Infrastructure”的新层级，为授权防御者提供高级工具访问权限，同时应用更严格的防护措施，以防止对工业控制系统 (OT/ICS) 的干扰。这是与 Dragos 合作开发的，旨在确保安全工具不会无意中造成物理损坏或服务中断。

Sources