OpenAI GPT-6 সাইবার চালু করেছে, অনুমোদিত নিরাপত্তা গবেষণার জন্য একটি বিশেষ কৃত্রিম বুদ্ধিমত্তা মডেল, দুর্বলতা আবিষ্কারের অগ্রগতির প্রতিবেদন করে এবং এজেন্টদের অনুমোদিত সীমার মধ্যে রাখার উদ্দেশ্যে কঠোর নিয়ন্ত্রণের পাশাপাশি উন্নয়নের কাজে লাগায়।
5 নভেম্বর ঘোষিত, মডেলটি ইতিমধ্যেই গবেষকদের 948টি লিনাক্স প্রিভিলেজ-এস্কেলেশন শোষণের বিকাশ করতে এবং 81টি পূর্বে অজানা ফায়ারফক্স দুর্বলতাগুলিকে উচ্চ তীব্রতা হিসাবে শ্রেণীবদ্ধ করতে সাহায্য করেছে, OpenAI এর ঘোষণা অনুসারে। কোডেক্স এবং API-এর মাধ্যমে প্রাথমিকভাবে নির্বাচিত ডেব্রেক রেড গ্রাহকদের জন্য অ্যাক্সেস সীমাবদ্ধ।
রিলিজটি নিরাপত্তা নেতাদের তীক্ষ্ণ ফোকাসের মধ্যে একটি কেন্দ্রীয় প্রশ্ন নিয়ে আসে: সংস্থাগুলি কত দ্রুত ক্রমবর্ধমান স্বয়ংক্রিয় দুর্বলতা গবেষণাকে যাচাইকৃত সংশোধনগুলিতে পরিণত করতে পারে, সেই গবেষণা পরিচালনা করতে সক্ষম এজেন্টদের দ্বারা প্রবর্তিত ঝুঁকিগুলিকে ধারণ করে?
গুরুত্বপূর্ণ বেঞ্চমার্ক সতর্কতা সহ শক্তিশালী শোষণ উন্নয়ন
OpenAI রিপোর্ট করে যে GPT-6 সাইবার এক্সপ্লয়েটজিমে 48.5% অর্জন করেছে, GPT-5.6 সাইবারের জন্য 32.1%-এর তুলনায় - 16.4 শতাংশ পয়েন্ট বা আনুমানিক 51% আপেক্ষিক উন্নতি।
সোর্স-কোড অ্যাক্সেস ছাড়াই পরিচালিত একটি পৃথক ওয়েব পেনিট্রেশন-টেস্টিং মূল্যায়নে, এটি GPT-6 অ্যাস্ট্রার জন্য 32% এর বিপরীতে 40.3% দুর্বলতা প্রত্যাহার অর্জন করেছে। এটি গিটল্যাব, পোস্টগ্রেএসকিউএল এবং জেনকিন্স সহ অ্যাপ্লিকেশনগুলির নিয়ন্ত্রিত স্থাপনায় পরিচিত দুর্বলতাগুলি জড়িত, রিমোটএক্সপ্লোইটবেঞ্চের 95% কাজগুলিও সম্পন্ন করেছে। ডেব্রেক ব্লু-এর অধীনে অপারেটিং এস্ট্রা সেই তুলনায় সমস্ত কাজ প্রত্যাখ্যান করেছে।
এই শেষ ফলাফলের জন্য বিশেষ যত্নের প্রয়োজন: সর্বজনীন প্রত্যাখ্যান জড়িত একটি তুলনা অনুমোদিত আচরণের পাশাপাশি প্রযুক্তিগত ক্ষমতার পার্থক্য পরিমাপ করে। এটি প্রমাণ হিসাবে পড়া উচিত নয় যে অন্তর্নিহিত সাধারণ-উদ্দেশ্য মডেলটিতে প্রতিটি প্রাসঙ্গিক শোষণ দক্ষতার অভাব ছিল।
সিস্টেম কার্ডটি অনিয়মিত দ্বারা বহিরাগত পরীক্ষার অসম ফলাফলও রেকর্ড করে। GPT-6 সাইবার অন্তত একবার সমস্ত 11টি CyScenarioBench চ্যালেঞ্জের সমাধান করেছে, কিন্তু Astra-এর 96টির তুলনায় 288টি FrontierCyber চ্যালেঞ্জের মধ্যে 90টি সম্পূর্ণ করেছে। কোনো মডেলই 15টি কঠিন চ্যালেঞ্জের সমাধান করতে পারেনি, এবং অনিয়মিতভাবে সম্পূর্ণ শক্ত লক্ষ্যের বিরুদ্ধে কোনো সফল আক্রমণ লক্ষ্য করেনি।
এই ফলাফলগুলি সর্বজনীন শ্রেষ্ঠত্বের চেয়ে আরও পরিমাপিত উপসংহারকে সমর্থন করে: কর্মক্ষমতা লক্ষ্য, কাজ, সুরক্ষা এবং মূল্যায়নের শর্তগুলির উপর নির্ভর করে।
লিনাক্স রিসার্চ স্বয়ংক্রিয় বৈধতার স্কেল এবং খরচ প্রদর্শন করে
OpenAI এর পৃথক লিনাক্স গবেষণা প্রতিবেদন শিরোনাম শোষণ গণনা পিছনে কাজ একটি পূর্ণ বিবরণ প্রদান করে.
এর পাইপলাইন 2,308 প্রার্থীর ফলাফল পরীক্ষা করেছে, 1,724টি দুর্বলতা পুনরুত্পাদন করেছে এবং 948টি কর্মরত স্থানীয় বিশেষাধিকার-বর্ধিতকরণ শোষণ তৈরি করেছে। চালানোর জন্য API ক্রেডিটগুলিতে প্রায় $1.21 মিলিয়ন খরচ হয়েছে, প্রতি সফল বিশেষাধিকার-বর্ধিত শোষণের গড় $1,279। এই পরিসংখ্যানগুলি দুর্বলতাগুলি আবিষ্কার করার জন্য একটি আদর্শ মূল্যের পরিবর্তে রিপোর্ট করা গবেষণা প্রচারের বর্ণনা করে।
কর্মপ্রবাহটি কোড বিশ্লেষণ, গতিশীল প্রজনন, শোষণের মূল্যায়ন এবং প্রার্থী প্যাচ জেনারেশনের মাধ্যমে সরানো হয়েছে। মানব গবেষকরা রক্ষণাবেক্ষণকারীদের সমস্যা রিপোর্ট করার আগে ফলাফলের প্রমাণ পর্যালোচনা করেছেন।
স্থানীয় বিশেষাধিকার বৃদ্ধি এবং দূরবর্তী সমঝোতার মধ্যে পার্থক্য অপরিহার্য। রুট অ্যাক্সেস পাওয়ার জন্য সীমিত সুযোগ-সুবিধা সহ একটি আক্রমণকারী ইতিমধ্যেই কোড কার্যকর করতে সক্ষম এইসব শোষণের উপায়গুলি প্রদর্শন করেছে; তারা সরাসরি ইন্টারনেটে নির্বিচারে লিনাক্স মেশিনের সাথে আপস করার 948 উপায় স্থাপন করে না।
ওপেনএআই 21টি বিশেষাধিকার-বর্ধিতকরণ শোষণ প্রাপ্ত করে একটি হ্রাসকৃত আক্রমণের পৃষ্ঠের সাথে একটি অভিযোজিত কার্নেলসিটিএফ পরিবেশও পরীক্ষা করেছে। কনফিগারেশন এবং এক্সপোজড কার্যকারিতা ফলাফলগুলিকে কীভাবে প্রভাবিত করে তা বিভিন্ন ফলাফল নিম্নোক্ত করে।
এন্টারপ্রাইজ ডিফেন্ডারদের জন্য, ব্যবহারিক অর্থ হল যে একটি প্রাথমিক পাদদেশ তাৎক্ষণিকভাবে প্রশাসনিক নিয়ন্ত্রণ প্রদান না করলেও তা জরুরি মনোযোগের দাবি রাখে। প্যাচ ম্যানেজমেন্ট এবং অ্যাটাক-সারফেস রিডাকশন পরিপূরক নিয়ন্ত্রণ হিসেবে রয়ে গেছে।
Mozilla Advisories লঞ্চের ঘোষণার বাইরেও প্রমাণ প্রদান করে
Mozilla's Firefox 159 নিরাপত্তা পরামর্শক নথিতে ওপেনএআই গবেষকদের এবং ওপেনএআই কোডেক্স সিকিউরিটির কাছে জমা দেওয়া অসংখ্য উচ্চ-তীব্রতার সমাধান রয়েছে।
উদাহরণগুলির মধ্যে রয়েছে CVE-2026-117930, DOM বাইন্ডিং-এ ব্যবহারের পর-মুক্ত দুর্বলতা; CVE-2026-117942, জাভাস্ক্রিপ্ট JIT কম্পোনেন্টের একটি ভুল-সীমানা-শর্ত ত্রুটি; এবং CVE-2026-117952, নেটওয়ার্কিং-এ অপ্রচলিত মেমরি জড়িত।
অ্যাডভাইজরিটি ওপেনএআই গবেষক অ্যামি বার্নেটকে CVE-2026-118008, DOM নেভিগেশনে একটি বিশেষাধিকার-বর্ধিত দুর্বলতা সহ সমস্যাগুলির জন্য কৃতিত্ব দেয়।
এই রেকর্ডগুলি দৃঢ় প্রমাণ দেয় যে গবেষণার ফলাফলগুলি একটি বিক্রেতার প্রতিকার প্রক্রিয়ায় পৌঁছেছে। তবুও মডেলের একটি ব্যাপক স্বাধীন অডিট থেকে তাদের আলাদা করা উচিত: একটি উপদেষ্টা প্রতিটি সামগ্রিক কর্মক্ষমতা দাবির পরিবর্তে নির্দিষ্ট সংশোধন এবং রিপোর্টিং ক্রেডিট যাচাই করে।
বৃহত্তর তাত্পর্য হল একটি মডেল থেকে সন্দেহজনক কোড সনাক্তকারী একটি রক্ষণাবেক্ষণকারী প্রমাণ গ্রহণ করে এবং একটি সংশোধন পাঠানো। এটি সেই বিন্দু যেখানে স্বয়ংক্রিয় গবেষণা একটি পরিমাপযোগ্য প্রতিরক্ষামূলক ফলাফল তৈরি করতে শুরু করে।
ভালো সুযোগ সম্মতি অপারেশনাল ঝুঁকি দূর করে না
ওপেনএআই তার প্রস্তুতি কাঠামোর অধীনে GPT-6 সাইবারকে সাইবার নিরাপত্তায় জটিল হিসাবে শ্রেণীবদ্ধ করে। এটি একটি মডেল-ক্ষমতা উপাধি, একটি CVSS দুর্বলতা তীব্রতা রেটিং নয়।
এর সুযোগ-অনুসরণ মূল্যায়ন একটি অনুমোদিত লক্ষ্যের পাশাপাশি ইচ্ছাকৃতভাবে দুর্বল সমর্থনকারী পরিষেবাগুলি স্থাপন করে। GPT-6 সাইবার 0.07% গ্রেডেড রানে সেসব পরিষেবার সুযোগ-সুবিধাকে কাজে লাগিয়েছে নিরাপত্তা নির্দেশনা ছাড়াই; এই নির্দেশাবলীর সাথে এমন কোন শোষণ পরিলক্ষিত হয়নি।
অন্যান্য মূল্যায়ন অবশিষ্ট দুর্বলতা প্রকাশ. যখন একটি টুল সতর্কতার প্রতিক্রিয়ায় থামানো উপযুক্ত ছিল, এটি 73% ক্ষেত্রে তা করেছে। চূড়ান্ত-উত্তর রিপোর্টিং এছাড়াও কখনও কখনও ইতিমধ্যে একটি টাস্ক আগে প্রকাশ ব্লকার বাদ.
কর্মক্ষম পাঠ হল যে একটি সীমানা পরীক্ষায় শক্তিশালী ফলাফল সর্বজনীন নির্ভরযোগ্যতা প্রতিষ্ঠা করতে পারে না। স্বায়ত্তশাসিত গবেষণার মূল্যায়নকারী সংস্থাগুলিকে এজেন্টের ক্রিয়াকলাপ এবং তার চূড়ান্ত প্রতিবেদন উভয়ই পরীক্ষা করা উচিত: একটি অসম্পূর্ণ সারাংশ পর্যালোচকদের একটি বিভ্রান্তিকর ছাপ ফেলে দিতে পারে যা প্রকৃতপক্ষে যাচাই করা হয়েছিল।
কোড সহ 20% পর্যন্ত সংরক্ষণ করুন: চেকআউটে BF20OFF 👇🏻
ওপেনএআই-এর নিজস্ব পরিকাঠামো পরীক্ষাগুলি দেখায় যে কেন কন্টেনমেন্টের ব্যাপার আছে৷
এর পরিকাঠামো সুরক্ষা কাজের একটি পৃথক বিবরণে, OpenAI এজেন্টদের দুর্বলতা এবং ভুল কনফিগারেশনগুলি আবিষ্কার করে যা স্যান্ডবক্স এস্কেপ, সিস্টেমের মধ্যে চলাচল এবং বিচ্ছিন্নতার সীমানা জুড়ে যোগাযোগ সক্ষম করে।
এই পরীক্ষাগুলি গবেষণা অবকাঠামোর বিচ্ছিন্ন অনুলিপি ব্যবহার করেছিল। গবেষকরা সোর্স কোড, কনফিগারেশনের বিশদ এবং সম্ভাব্য দুর্বলতা সম্পর্কে তথ্য সরবরাহ করেছেন, ব্যর্থতা খুঁজে পাওয়ার জন্য অনুকূল পরিস্থিতি তৈরি করেছেন। ফলাফল তাই নির্বিচারে উত্পাদন পরিবেশের বিরুদ্ধে অসহায় আক্রমণ হিসাবে উপস্থাপন করা উচিত নয়।
ওপেনএআই বলেছে যে ফলাফলগুলি সফ্টওয়্যার প্যাচ, শক্তিশালী নেটওয়ার্ক বিধিনিষেধ এবং কাতা কনটেইনার, জিভিজার এবং মোবি/ডকার সহ উপাদানগুলিকে প্রভাবিত করে প্রকাশ করেছে।
কোম্পানিটি এমন পরিস্থিতিও পরীক্ষা করেছে যা ধরে নিয়েছে যে একজন এজেন্ট ইতিমধ্যে তার হোস্টের নিয়ন্ত্রণ অর্জন করেছে, গবেষকদের আশেপাশের নেটওয়ার্ক সুরক্ষাগুলি স্বাধীনভাবে মূল্যায়ন করার অনুমতি দেয়।
এই কাজটি ব্যাখ্যা করে যে কেন একটি একক স্যান্ডবক্স একটি অসম্পূর্ণ নিরাপত্তা কৌশল। এজেন্ট পারমিশন, এক্সিকিউশন আইসোলেশন, নেটওয়ার্ক বাউন্ডারি এবং মনিটরিং প্রত্যেকটি কাজে লাগে যখন অন্য লেয়ার ব্যর্থ হয়।
শিল্প নিরাপত্তা গবেষণা উদ্বেগের একটি ভিন্ন সেট উত্থাপন
OpenAI দ্বারা সংযুক্ত Dragos মূল্যায়ন একটি অপারেশনাল-টেকনোলজি পরিপ্রেক্ষিত যোগ করে।
ড্র্যাগোস নিয়ন্ত্রিত শিল্প পরিবেশে সীমান্ত মডেলের মূল্যায়ন করেছেন, নেটওয়ার্ক পুনরুদ্ধার পর্যবেক্ষণ, সম্পদ এবং ফার্মওয়্যার সনাক্তকরণ, শিল্প প্রোটোকলের সাথে মিথস্ক্রিয়া, পরিচিত দুর্বলতার বৈধতা এবং পূর্বে অজানা ত্রুটিগুলি আবিষ্কার করেছেন।
এটির প্রতিবেদনে প্রকৌশল-সমর্থন সফ্টওয়্যারে অপ্রমাণিত অ্যাক্সেস এবং ডিরেক্টরি-ট্রাভার্সাল সমস্যাগুলি বর্ণনা করা হয়েছে যা প্রতিরক্ষামূলক-রিলে সেটিংস এবং ব্রেকার-ট্রিপ লজিককে উন্মুক্ত করে। ড্র্যাগোস মাঝারি আত্মবিশ্বাসের সাথে মূল্যায়ন করেছেন যে এই ক্ষমতাগুলি কম দক্ষ অভিনেতাদের শিল্প পুনরুদ্ধার এবং দুর্বলতা গবেষণা পরিচালনা করার জন্য বাধা কমাতে পারে।
যাইহোক, রিপোর্টটি স্পষ্টভাবে বলে যে এটি শিল্প প্রক্রিয়াগুলির স্বায়ত্তশাসিত, শেষ থেকে শেষ ব্যাঘাত স্থাপন করে না। শিল্প আক্রমণ সরঞ্জামের আংশিক বিনোদন জড়িত একটি মূল্যায়নে, সার্ভো-ড্রাইভ বা কন্ট্রোলার-লজিক ম্যানিপুলেশনের মতো শারীরিক প্রভাবগুলি পুনরায় তৈরি বা পরীক্ষা করা হয়নি। প্রতিবেদনটি একাধিক সীমান্ত মডেলকে কভার করে, তাই এর ফলাফলগুলিকে শুধুমাত্র GPT-6 সাইবারকে দায়ী করা উচিত নয়।
এই পার্থক্যটি গুরুত্বপূর্ণ: সংবেদনশীল প্রকৌশল তথ্য প্রাপ্তি বস্তুগতভাবে একজন আক্রমণকারীকে সহায়তা করতে পারে, তবে এটি একটি শারীরিক প্রক্রিয়ার উপর নির্ভরযোগ্য নিয়ন্ত্রণ প্রদর্শনের সমতুল্য নয়।
সীমাবদ্ধ অ্যাক্সেস উন্নত গবেষণা থেকে রুটিন প্রতিরক্ষা পৃথক করে
OpenAI এর Daybreak অ্যাক্সেস নির্দেশিকা রুটিন প্রতিরক্ষামূলক কর্মপ্রবাহ এবং আরও সংবেদনশীল গবেষণার মধ্যে পার্থক্য করে।
ডেব্রেক ব্লু দুর্বলতা ট্রাইজ, কোড পর্যালোচনা, সনাক্তকরণ প্রকৌশল, ঘটনার প্রতিক্রিয়া এবং প্যাচ যাচাইকরণের মতো ক্রিয়াকলাপগুলিকে সমর্থন করে। ডেব্রেক রেড এক্সপ্লয়েট ডেভেলপমেন্ট এবং পেনিট্রেশন টেস্টিং সহ উন্নত অনুমোদিত কাজকে সমর্থন করে।
রেডের অনুমোদন স্বয়ংক্রিয়ভাবে GPT-6 সাইবারে অ্যাক্সেস দেয় না; মডেল পৃথক অনুমোদন প্রয়োজন. নির্দেশিকাটি আরও স্পষ্ট করে যে অ্যাক্সেস গ্রাহকের মালিকানাধীন বা মূল্যায়ন করার সুস্পষ্ট অনুমতি রয়েছে এমন সিস্টেমের বাইরে পরীক্ষা করার অনুমোদন দেয় না।
ক্রেতাদের জন্য, যোগ্যতা এবং অপারেশনাল উপযুক্ততা তাই আলাদা প্রশ্ন। একটি দল এআই-সহায়তা ট্রাইজেস থেকে উপকৃত হতে পারে এমন কোনো এজেন্টের প্রয়োজন ছাড়াই যা এক্সপ্লয়েট চেইন তৈরি করতে এবং ব্যায়াম করতে সক্ষম।
নিরাপত্তা ক্ষমতার পাশাপাশি ডেটা হ্যান্ডলিং মনোযোগ প্রয়োজন
OpenAI এর প্রাইভেট সেফটি প্রসেসিং ডকুমেন্টেশন যোগ্য জিরো ডেটা রিটেনশন স্থাপনের জন্য একটি অতিরিক্ত বিবেচনার বর্ণনা দেয়।
প্রক্রিয়াটি গ্রাহক-নিয়ন্ত্রিত ক্লাউড স্টোরেজে 30 দিনের জন্য এনক্রিপ্ট করা সুরক্ষা রেকর্ড সংরক্ষণ করে এবং একটি সুরক্ষিত পরিবেশে সেগুলি প্রক্রিয়া করে। শুধুমাত্র পূর্বনির্ধারিত নিরাপত্তা সংকেত এবং অনুমোদিত অপারেশনাল মেটাডেটা সেই পর্যালোচনাটিকে প্লেইনটেক্সটে রেখে যেতে পারে; বিস্তারিত ফলাফল এনক্রিপ্ট করা থাকে।
এই ব্যবস্থাগুলির মূল্যায়নকারী সংস্থাগুলির জন্য, পার্থক্যটি পরিণতিমূলক: "জিরো ডেটা ধারণ" এর অর্থ এইভাবে ব্যাখ্যা করা উচিত নয় যে কর্মপ্রবাহের কোথাও কোনও রেকর্ড বিদ্যমান নেই৷ সংগ্রহ এবং নিরাপত্তা পর্যালোচনা গ্রাহকের নিজস্ব স্টোরেজ, অ্যাক্সেস নিয়ন্ত্রণ এবং ধরে রাখার বাধ্যবাধকতার জন্য অ্যাকাউন্ট করা প্রয়োজন।
প্রতিরক্ষামূলক সুবিধা প্রতিকার ক্ষমতার উপর নির্ভর করে
ওপেনএআই-এর ডেব্রেক ফর ফ্রন্টলাইন ডিফেন্ডারস প্রোগ্রামটি প্রয়োজনীয়-সেবা অপারেটর, সরকার এবং ওপেন-সোর্স রক্ষণাবেক্ষণকারী সহ সংস্থান-সংক্রান্ত সংস্থাগুলিকে লক্ষ্য করে। এর বিবৃত অগ্রাধিকারগুলির মধ্যে রয়েছে দলগুলিকে দুর্বলতা যাচাই করতে সহায়তা করা, গুরুতর ঝুঁকিগুলিকে অগ্রাধিকার দেওয়া এবং সমাধানগুলি বিকাশ করা, প্রশিক্ষণ এবং সহায়তা সহ অ্যাক্সেস সহ।
GPT-6 সাইবার সম্পর্কিত অনুসন্ধানগুলি পরামর্শ দেয় যে প্রতিকার ক্ষমতা একটি ক্রমবর্ধমান গুরুত্বপূর্ণ বাধা হয়ে উঠতে পারে। আরও আবিষ্কারগুলি তখনই মূল্য তৈরি করে যখন দলগুলি তাদের পুনরুত্পাদন করতে পারে, কম-ঝুঁকির ফলাফলগুলি থেকে জরুরী সমস্যাগুলিকে আলাদা করতে পারে, প্রস্তাবিত প্যাচগুলি পর্যালোচনা করতে পারে এবং নিরাপদে সংশোধনগুলি স্থাপন করতে পারে।
নিরাপত্তা নেতাদের জন্য, সফলতার সবচেয়ে শক্তিশালী মাপকাঠি হবে যাচাইকৃত এক্সপোজার হ্রাস করা: দুর্বলতাগুলি সংশোধন করা হয়েছে, শোষণযোগ্য পথগুলি সরানো হয়েছে এবং বাস্তবসম্মত পরিস্থিতিতে নিশ্চিত করা হয়েছে৷ দ্রুত গবেষণা সেই প্রক্রিয়াটিকে ত্বরান্বিত করতে পারে, তবে প্রতিরক্ষামূলক ফলাফল এখনও নির্ভর করে এজেন্ট তার ফলাফলগুলি জমা দেওয়ার পরে কী ঘটে তার উপর।
