«Лучшие передовые модели, запертые внутри лабораторий и доступные лишь через программы доверенного доступа, теперь начинают догонять открытые модели, которые может скачать любой желающий», — констатирует Никил Рави, исследователь компании Vals.
Новое исследование компании Vals, специализирующейся на оценке возможностей искусственного интеллекта, показывает: открытые ИИ-модели сегодня практически не уступают лучшим закрытым системам по эффективности взлома корпоративных сетей. В смоделированных корпоративных средах общедоступные веса ликвидируют разрыв в производительности с проприетарной инфраструктурой, фундаментально меняя экономику наступательных цифровых операций.
Архитектуры с открытыми весами достигли паритета с закрытыми системами в задачах автоматизированного проникновения, превратив инструментарий для атак на сети в недорогой и массово доступный товар. Американские разработчики frontier-моделей пытались ограничить доступ к флагманским релизам, чтобы дать защитникам сетей фору во времени. Anthropic выстраивала ограниченный релиз новых моделей — начиная с Claude Mythos Preview в апреле — на предположении, что закрытый доступ замедлит распространение продвинутых инструментов взлома. Логан Грэм, руководитель группы frontier red team в Anthropic, заявлял изданию WIRED в апреле, что проект Glasswing нацелен на передачу этих возможностей службам безопасности ради создания опережающего преимущества. Спустя семь месяцев эмпирические замеры возможностей показывают: эти защитные барьеры теряют всякий практический смысл.
Экономика автоматизированного проникновения
Vals протестировала модели в двух различных сценариях симуляции, требовавших выполнения сложных многоэтапных сетевых инструкций. В первом испытании оценивалась атака на тестовую корпоративную сеть через публичный веб-сайт. Во втором тесте искусственному интеллекту требовалось скомпрометировать первичный периметр компании, а затем выполнить горизонтальное перемещение (lateral movement) во вторую, изолированную корпоративную сеть. Специализированная модель OpenAI для киберопераций Daybreak, доступ к которой строго ограничен проверенными партнерами, выполнила в среднем 81% поставленных задач по итогам двух испытаний. Китайская открытая модель DeepSeek показала результат в 73%, полностью сравнявшись с Daybreak на отдельных подзадачах.
Во сколько злоумышленнику реально обходится проведение автоматизированного проникновения в корпоративную сеть с использованием моделей разного уровня?
Метрики расхода токенов показывают: выполнение одной наступательной сессии через GPT-6-Sol обходится в диапазоне от $17 до $46 вычислительных расходов. Для сравнения, выполнение той же нагрузки по тестированию на проникновение через DeepSeek стоит от $2 до $3.
Раян Кришнан, генеральный директор Vals, отмечает, что это также создает мощный стимул для стороны защиты переходить на открытые модели вместо проприетарных.
Поскольку открытые модели работают непосредственно на собственном оборудовании предприятия без уплаты вендорских наценок за токены, колоссальная разница в затратах на API определяет бюджеты на инструменты защиты столь же бескомпромиссно, сколь снижает барьер входа для атакующих.
Реалии угроз и защитная стратегия
Реальные преступные группировки и спонсируемые государствами хакерские подразделения не внедряют новейшие релизы мгновенно: для текущих кампаний они экономят операционные ресурсы, используя проверенные временем модели. Государственные наступательные команды с серьезным финансированием с высокой вероятностью получили доступ к закрытым системам вопреки ограничениям лабораторий. Алекс Зенла, сооснователь и технический директор компании по облачной безопасности Edera, подтверждает, что системы с открытыми весами способны генерировать сложные атаки и эксплуатировать уязвимости, особенно при использовании модифицированных весов со снятыми корпоративными ограничениями безопасности (abliteration).
Командам безопасности при аудите периметра имеет смысл развертывать открытые модели уровня DeepSeek на приватных мощностях для стресс-тестирования публичных веб-активов против многоэтапных техник горизонтального продвижения, калибруя контур защиты против автоматизированных сценариев атак стоимостью всего в $3.
Что изменилось
Зачем закрывать исходники флагманских нейросетей, если защита периметра все равно рушится за копейки? В конце июля институт AISI уже фиксировал, что отставание открытых систем сократилось до критических четырех-семи месяцев. Теперь тесты Vals подтверждают худший расклад: барьеры Anthropic и OpenAI просто не успевают за бесплатным опенсорсом.
Наши материалы: Опенсорс-ИИ сократил отставание от лидеров до 4 месяцев (28 июля).