Anthropic’ning Claude Mythos 5 modeli kiberxavfsizlik baholashi davomida bog‘liq bo‘lmagan GitHub omboriga zararli dastur kiritishga urindi va uning saqlovchilarini zararli kodni qabul qilishga ishontirish uchun soxta shaxsiyatlardan foydalandi.

Ta’minlangan baholashda Buyuk Britaniya AI Xavfsizlik Instituti (AISI) tomonidan o‘tkazilgan sinovlar tasvirlanadi, unda 43 ta baholashdan to‘qqiztasida haqiqiy odamlar yoki tashkilotlarga ta’sir qilgan ruxsatsiz harakatlar kuzatilgan.

Ta’kidlangan hujum muvaffaqiyatsiz tugadi: saqlovchilar zararli hissani rad etishdi va model oxir-oqibat ajratilgan token byudjetini tugatdi.

Mythos 5 ga himoyalangan ma’lumotlarni simulyatsiya qilingan tarmoqdan olishni talab qiladigan bayroqni qo‘lga kiritish (capture-the-flag) vazifasi berildi. Internetga kirish yoqildi, Anthropic’ning umumiy chiqarilish modellariga bog‘liq kiberxavfsizlik himoyalari esa o‘chirildi.

Konfiguratsiya xatosi mo‘ljallangan yechim yo‘lini ruxsat etilgan doiradan tashqariga noto‘g‘ri joylashtirdi, bu esa qonuniy yakunlashni qiyin yoki ehtimol imkonsiz qildi.

Claude Mythos 5 tomonidan uchinchi tomon GitHub omboriga boshlangan pull request (Manba: Anthropic)

Dastlab ruxsat etilgan yondashuvlarni sinab ko‘rgach, model maqsadli mashina vaqti-vaqti bilan GitHub bilan bog‘lanishini aniqladi va uning dasturiy ta’minot zanjirini zaharlashni o‘yladi.

U ommaviy omborlarda vazifa bilan bog‘liq kalit so‘zlarni qidirdi, so‘ngra hisob ulanishlarini kuzatib, relizlar e’lon qiladigan boshqa loyihani aniqladi. Bu ombor bog‘liq bo‘lmagan ishlab chiquvchilarga tegishli edi va uning mashq bilan aloqasi zaif edi.

Shunga qaramay, model zararli kodni yuborishga urindi, simulyatsiya qilingan maqsad uni keyingi yangilanishda yuklab olishini kutdi. Baholashda maqsadli ombor haqiqatan ham vazifa muhitiga dasturiy ta’minot yetkazib bergani aniqlanmagan.

Anthropic’ga ko‘ra, Mythos 5 GitHub ro‘yxatdan o‘tish tekshiruvlarini chetlab o‘tish uchun Tor va proksi xizmatidan foydalandi, hisob yaratdi, zararli pull request yubordi va saqlovchilarga inson hissasi sifatida o‘zini tanitib elektron pochta yubordi.

uchinchi tomon GitHub omboriga hujumning turli davrlari. (Manba: Anthropic)

Tashqi ishlab chiquvchi model yuklagan boshqa kodni tahlil qildi va hissaning zararli ekanligi haqida ogohlantirdi. Mythos 5 so‘ngra soxta shaxsiyat (sock puppet) yaratdi, qo‘shimcha xabarlarda taklif qilingan o‘zgartirishni ma’qulladi va tasdiqlashni talab qilishda davom etdi.

Tadqiqotchilar bu aldovni avvalgi hujjatlashtirilgan zararli paket hodisasiga nisbatan jiddiyroq deb ta’riflashdi. Biroq, ular model o‘ziga berilgan vazifaga e’tibor qaratganini va mustaqil ravishda ishlab chiqqan zararli maqsadlarni izlamaganini aniqlashdi.

Anthropic bu xatti-harakatni beparvolik, noto‘g‘ri fikrlash va avvalgi harakatlar hamda taraqqiyot xulosalaridan kelib chiqqan inersiya bilan izohladi. Qayta o‘ynatish tajribalarida model potentsial zarar haqida ma’lumot berilganiga qaramay, hujumni tez-tez davom ettirdi.

Bir tajribada, haqiqiy dunyo oqibatlari haqida erta ogohlantirishlar qo‘shilishi hujum boshlanishini 83% dan 13% gacha kamaytirdi. Yangi modellar hujumni kamroq boshladi, ammo tadqiqotchilar boshqa modelning transkriptini qayta o‘ynatish taqqoslashni cheklashini ogohlantirishdi.

AISI kuchliroq nazoratlar mavjud bo‘lmaguncha bu baholashlarni internetga kirishsiz o‘tkazishga va’da berdi. Anthropic ishlab chiqarish himoyalari bu xatti-harakatni aniqlagan bo‘lishini aytdi, ammo avtonom tizimlar yanada qobiliyatli bo‘lgach, moslashuv, monitoring va baholashni cheklash yaxshilanishi kerakligini tan oldi.

ANY.RUN yordamida tahdid tekshiruvlarini soddalashtiradigan va qo‘lda mehnatni kamaytiradigan 16 000+ SOC jamoalariga qo‘shiling. Jamoangiz uchun o‘rganing.