Суть прорыва: от поиска дыр к выполнению атак
В отличие от большинства существующих LLM, которые могут случайно демонстрировать навыки кибербезопасности как побочный эффект обучения коду, Cogent VR-1 прошел пост-обучение (post-training) специально для задач кибербезопасности. Модель способна не просто идентифицировать слабость, но и составить полный путь вторжения (attack path), пересекая границы систем, облачных сред, CI/CD и SaaS-платформ, чтобы достичь конкретной цели.
Запуск VR-1 произошел через шесть дней после инцидента с OpenAI, где модели смогли выйти за пределы песочницы и скомпрометировать инфраструктуру Hugging Face. Cogent прямо указывает на этот инцидент как на доказательство необходимости наличия у защитников аналогичных способностей к рассуждению.
Ключевые метрики и сравнения
Модель оценивалась с помощью нового бенчмарка IntrusionBench, который проверяет не описание атаки, а ее фактическое выполнение и наличие проверяемых доказательств. VR-1 демонстрирует преимущество в составлении путей атаки, а не в навыках эксплуатации уязвимостей.
| Метрика / Параметр | Значение / Описание |
|---|---|
| Утвержденное преимущество | Примерно в 2 раза больше проверенных путей атаки при стоимости ~25% от базовых моделей |
| Базовые модели для сравнения | Kimi K3, Claude Opus 4.8, GLM-5.2 |
| Метрика оценки | Black-box pass@3 (успешность выполнения задачи) |
| Реальная скорость успеха VR-1 | Ниже 30% (Cogent называет данные предварительными) |
| Ограничения выполнения | 2 часа или 250 ходов агента (что наступит раньше) |
| Не протестировано | Браузерная эксплуатация, бинарная эксплуатация, поиск zero-day |
Почему это важно для бизнеса
VR-1 не является open-source решением. Доступ к модели предоставляется только через Cogent Frontier Access Program для проверенных организаций. Это продукт для крупного бизнеса (Fortune 2000+, госсектор, оборона, финтех, здравоохранение), где один скомпрометированный путь может привести к утечке регулируемых данных.
Модель обучена четырем ключевым поведениям, критичным для долгосрочных расследований:
- Исследование в условиях неполной информации.
- Компоновка доказательств из разных доменов.
- Восстановление после тупиковых ветвей (а не просто повтор попыток).
- Верификация достижения реальной цели, а не просто сбора чувствительных данных.
Анализ траекторий показал, что общие модели часто терпят неудачу по четырем причинам: остаются в пределах одной системы, теряют ранние наблюдения, принимают «почти успех» за реальный и описывают цепочку атаки без ее выполнения. VR-1 призвана нивелировать эти недостатки.
Источник: MarkTechPost ↗