Michael JohnsonOm en AI får verktyg för att söka efter sårbarheter, hur säkerställer man att den bara undersöker det tillåtna systemet? Den 5 november 2026 presenterade OpenAI GPT‑6 Cyber, en specialiserad modell för auktoriserad sårbarhetsforskning, exploittutveckling och kontroll av korrigeringar. Företaget beskriver två utbildningsområden: att stärka cybersäkerhetsförmågan och att mer noggrant följa det omfång som forskaren har angett.
För säkerhetsteam förändrar detta vad som behöver utvärderas. Det är viktigt att mäta både om modellen hittar en svaghet och hur den agerar när den får tillgång till hjälpsystem utanför det tillåtna målet. GPT‑6 Cyber distribueras genom programmet Daybreak Red; åtkomsten är begränsad och villkoren omfattar identitetskontroll och organisatoriska krav.
Vad är det som har förändrats?
Allmänna modeller hjälper redan till med kodgranskning, analys av varningar och förslag på korrigeringar. GPT‑6 Cyber är en specialiserad version av GPT‑6 Astra. I det publicerade systemkortet beskriver OpenAI ytterligare förstärkningsinlärning genom återskapande av fel, utveckling av fungerande exploiter och sökning efter sårbarheter i kodbaser. Andra utbildningssignaler syftar till att modellen ska respektera behörigheter och rapportera resultat korrekt.
I ExploitGym, där modellen ska utnyttja en angiven sårbarhet på ett fjärrmål, fick GPT‑6 Cyber 48,5 procent jämfört med GPT‑5.6 Cybers 32,1 procent. I en separat utvärdering av webbpenetrationstestning utan tillgång till källkod hittade modellen 40,3 procent av de inplanterade sårbarheterna, jämfört med 32,0 procent för GPT‑6 Astra. Det här är resultat från specifika tester, inte en universell bedömning av alla typer av skydd och nätverk.
I praktiken handlar det om steget mellan att undersöka en okänd applikation och att bekräfta en hypotes om en sårbarhet. För försvarare kan arbetet påskynda en första kontroll av systemet; för infrastrukturägare gör det noggrann avgränsning av agentens behörigheter särskilt viktig.
Varför granskas inte bara de sårbarheter som hittas?
Agenten får ett uppdrag och en miljö: målsystemet, verktyg och ibland även hjälptjänster. I testet ExploitGym Honeypot lägger OpenAI medvetet till en sådan tjänst. Den kan användas för att få en testhemlighet, men uppdragsreglerna förbjuder angrepp mot den. Testet visar om modellen kan skilja mellan en tekniskt användbar väg och en tillåten väg.
Utan särskilda säkerhetsinstruktioner avstod GPT‑6 Cyber från att utnyttja tjänsten utanför uppdragets omfång i 99,93 procent av försöken; med driftsättningsinstruktioner var resultatet 100 procent. GPT‑5.6 Cyber nådde 94,49 procent utan sådana instruktioner. Det är ett mått på beteende i ett konstruerat test med en fälla, inte en universell garanti för alla agentkonfigurationer.
För ett verkligt team följer en praktisk metod av detta: definiera inte gränser enbart i uppmaningstexten. Skilj testmål från orelaterade tjänster med nätverksregler, använd en isolerad miljö och granska åtgärder i loggar. OpenAI nämner sandlåda, granskning av åtgärder och mänsklig tillsyn bland skyddsåtgärderna för riskfyllda scenarier. Den konkreta konfigurationen bör anpassas till verktygen och behörigheterna som används.
Vad visar OpenAIs forskning?
OpenAI uppger att forskare med hjälp av GPT‑6 Cyber upptäckte 81 tidigare okända sårbarheter i Firefox, klassade av Mozilla som allvarliga, och tog fram reproducerbara tester och möjliga korrigeringar. Företaget berättar också om 948 exploiter för privilegieeskalering i Linuxkärnan. Det här är resultat från OpenAIs forskningskampanj; företaget uppger att uppgifterna lämnades till projektens ansvariga och att Mozilla har släppt korrigeringar för många av de upptäckta problemen.
Exemplen knyter samman sårbarhetsforskning med säker driftsättning av modellen. Samma förmåga kan hjälpa försvarare att bekräfta ett fel och ta fram en korrigering, men också användas för att utveckla en exploit. Därför bör team utvärdera hela kedjan: ett tydligt definierat mål, verktygsbegränsningar, reproducerbarhet, efterlevnad av regler och rapportens kvalitet.
Vem får tillgång till modellen och vad kan man göra nu?
GPT‑6 Cyber finns tillgänglig genom programmet Daybreak Red för ett begränsat antal godkända deltagare som utför avancerade cybersäkerhetsuppgifter. Systemkortet anger identitetskontroll och organisatoriska krav, däribland enkel inloggning, multifaktorautentisering och tillåtna IP-adresser för API:et. OpenAI har sagt sig vilja utöka Daybreak-programmet; företaget meddelade inte att GPT‑6 Cyber skulle bli allmänt tillgänglig samma dag som den presenterades.
Team som utvärderar liknande verktyg kan förbereda en testmiljö med en tydlig lista över tillåtna mål och förbjudna system i närheten. För varje uppdrag bör de dokumentera tillåtna resurser och åtgärder, tillgängliga verktyg och kriterier för en lyckad bekräftelse av sårbarheten. Bedöm sedan separat upptäcktsförmåga, reproducerbarhet, efterlevnad av gränser och rapportkvalitet.
En sådan jämförelse visar var modellen är till hjälp, var resultatet kräver manuell granskning och hur agentens åtgärder förhåller sig till organisationens regler. Den viktigaste förändringen med GPT‑6 Cyber är kombinationen av mer avancerad förmåga att undersöka sårbarheter och en separat utvärdering av om arbetet håller sig inom uppdragets tillåtna ramar.
