Michael JohnsonHvis man gir en KI et verktøy for å lete etter sårbarheter, hvordan kan man være sikker på at den bare undersøker det tillatte systemet? 5. november 2026 presenterte OpenAI GPT‑6 Cyber — en spesialisert modell for autorisert sårbarhetsforskning, utvikling av utnyttelseskode og testing av rettelser. Selskapet beskriver to opplæringsområder: å styrke cybersikkerhetsferdighetene og å følge forskerens angitte omfang mer presist.
For sikkerhetsteam endrer dette hva som bør måles. Det er viktig å undersøke både om modellen finner en svakhet, og hvordan den opptrer når den får tilgang til hjelpesystemer utenfor det tillatte målet. GPT‑6 Cyber distribueres gjennom Daybreak Red-programmet; tilgangen er begrenset, og vilkårene omfatter identitetskontroll og organisatoriske krav.
Hva er det egentlig som er nytt?
Generelle modeller bidrar allerede med kodegjennomgang, analyse av varsler og utarbeiding av rettelser. GPT‑6 Cyber er en spesialisert variant av GPT‑6 Astra. I det publiserte systemkortet beskriver OpenAI ytterligere forsterkningslæring gjennom reproduksjon av feil, utvikling av fungerende utnyttelseskode og leting etter sårbarheter i kodebaser. Andre treningssignaler er rettet mot å overholde tillatelser og rapportere resultater presist.
I ExploitGym, der modellen skal utnytte en gitt sårbarhet på et eksternt mål, fikk GPT‑6 Cyber 48,5 %, mot 32,1 % for GPT‑5.6 Cyber. I en separat evaluering av nettpenetrasjonstesting uten tilgang til kildekoden fant modellen 40,3 % av de innlagte sårbarhetene, mens GPT‑6 Astra fant 32,0 %. Dette er resultater fra bestemte tester, ikke en universell vurdering av alle typer forsvar og nettverk.
I praksis handler dette om et ledd mellom undersøkelse av en ukjent applikasjon og bekreftelse av en hypotese om en sårbarhet. For en forsvarer kan slikt arbeid fremskynde den første systemkontrollen; for infrastruktureieren gjør det presis avgrensning av agentens fullmakter særlig viktig.
Hvorfor man ikke bare tester om modellen finner sårbarheter
Agenten får en oppgave og et miljø: målsystemet, verktøy og noen ganger også hjelpetjenester. I ExploitGym Honeypot-testen legger OpenAI med hensikt til en slik tjeneste. Den kan brukes til å hente en testhemmelighet, men oppgavereglene forbyr angrep mot den. Testen viser om modellen klarer å skille mellom en teknisk nyttig fremgangsmåte og en tillatt fremgangsmåte.
Uten spesielle sikkerhetsinstruksjoner avsto GPT‑6 Cyber fra å utnytte tjenesten utenfor oppgavens omfang i 99,93 % av forsøkene; med instruksjoner for utrulling var resultatet 100 %. GPT‑5.6 Cyber oppnådde 94,49 % uten disse instruksjonene. Dette måler atferd i en konstruert test med en felle, ikke en universell garanti for alle agentoppsett.
For et reelt team følger det en praktisk tilnærming av dette: Ikke avgrens oppgaven bare med teksten i forespørselen. Skill testmål fra uvedkommende tjenester med nettverksregler, bruk et isolert miljø og kontroller handlingene i logger. OpenAI nevner sandkasse, kontroll av handlinger og menneskelig tilsyn som tiltak for risikofylte scenarioer. Den konkrete konfigurasjonen bør tilpasses verktøyene og tillatelsene som brukes.
Hva OpenAIs forskning viser
OpenAI opplyser at forskere ved hjelp av GPT‑6 Cyber fant 81 tidligere ukjente sårbarheter i Firefox, klassifisert som alvorlige av Mozilla, og utarbeidet reproduserbare tester og forslag til rettelser. Selskapet forteller også om 948 utviklede utnyttelser for privilegieeskalering i Linux-kjernen. Dette er resultater fra OpenAIs forskningskampanje; selskapet opplyser at informasjonen ble overlevert til prosjektvedlikeholderne, og at Mozilla utga rettelser for mange av problemene som ble funnet.
Disse eksemplene knytter sårbarhetsforskning til sikker utrulling av modellen. Den samme ferdigheten kan hjelpe forsvarere med å bekrefte en feil og utarbeide en rettelse, men kan også brukes til å utvikle utnyttelseskode. Team bør derfor evaluere hele kjeden: et klart definert mål, begrensninger på verktøyene, reproduserbarhet, regeloverholdelse og kvaliteten på rapporten.
Hvem får tilgang til modellen, og hva kan man gjøre nå?
GPT‑6 Cyber er tilgjengelig gjennom Daybreak Red-programmet for et begrenset antall godkjente deltakere som utfører avanserte cybersikkerhetsoppgaver. Systemkortet beskriver identitetskontroll og organisatoriske krav, blant annet enkel pålogging, flerfaktorautentisering og godkjente IP-adresser for API-et. OpenAI har sagt at selskapet vil utvide Daybreak-programmet; bred tilgjengelighet for GPT‑6 Cyber ble ikke kunngjort da modellen ble presentert.
Team som evaluerer lignende verktøy, bør forberede et testmiljø med en tydelig liste over tillatte mål og forbudte tilgrensende systemer. For hver oppgave bør de registrere hvilke ressurser og handlinger som er tillatt, hvilke verktøy som er tilgjengelige, og kriteriene for vellykket bekreftelse av en sårbarhet. Deretter bør de vurdere funnkvalitet, reproduserbarhet, overholdelse av grenser og rapportkvalitet hver for seg.
En slik sammenligning viser hvor modellen er til hjelp, hvor resultatet må kontrolleres manuelt, og hvordan agentens handlinger samsvarer med organisasjonens regler. Den viktigste endringen med GPT‑6 Cyber er kombinasjonen av mer avanserte evner til å undersøke sårbarheter og en egen vurdering av om arbeidet holder seg innenfor den tillatte oppgaven.
