شهریور
اخبار
جمینای سایبری؛ مدل تازه گوگل که خودش حفره امنیتی پیدا و ترمیم میکند
گوگل مدلی از جمینای معرفی کرده که کارش نه نوشتن متن، بلکه شکار حفرههای امنیتی در کد نرمافزارهاست؛ مدلی که به گفتهی تیم امنیت کروم، وصلههای بهمراتب دقیقتری از رقبای بزرگتر خودش پیشنهاد میدهد.
لیست مطالب
۱. چرا گوگل چنین مدلی ساخت؟
در یکی دو سال اخیر، شرکتهای بزرگ هوش مصنوعی بهطور همزمان به این نتیجه رسیدهاند که امنیت سایبری یکی از حساسترین میدانهای رقابت مدلهای زبانی است. مدلهای بزرگ بهطور طبیعی در خواندن و درک کد بسیار قوی شدهاند؛ همین توانایی باعث شده هم بتوانند حفرههای امنیتی را سریعتر از انسان پیدا کنند و هم، اگر در دست اشتباهی بیفتند، همان حفرهها را برای حمله به کار بگیرند. گوگل با انتشار Gemini 3.8 Flash Cyber تلاش کرده این توانایی را به سمت دفاع هدایت کند، نه حمله. برای آشنایی بیشتر با اینکه اصلاً هوش مصنوعی مولد چگونه کار میکند و چرا این حوزه اینقدر سریع رشد کرده، میتوانید مقاله درباره OpenAI و ریشههای این رقابت را در سایت ما بخوانید.
نکتهی مهم اینجاست که این مدل محصول یک تصمیم آگاهانه است، نه یک ویژگی جانبی. گوگل دیپمایند بهصراحت اعلام کرده هدف از ساخت این مدل، کمک به تیمهای امنیتی برای جلو افتادن از مهاجمان است، در دورانی که ابزارهای هوش مصنوعی برای هر دو طرف در دسترستر شدهاند.
۲. جمینای فلش سایبر دقیقاً چه کاری انجام میدهد؟
Gemini 3.8 Flash Cyber از همان معماری زیرساختی مدل عمومی Gemini 3.8 Flash استفاده میکند، اما با تنظیمات ایمنی و آموزشی متفاوتی عرضه شده که آن را مخصوص کارهای دفاعی میکند. این مدل روی بیش از بیست زبان برنامهنویسی آموزش دیده و میتواند کد را بخواند، الگوهای مشکوک را تشخیص دهد و سپس وصلهای پیشنهاد بدهد که همان حفره را میبندد، بدون آنکه عملکرد نرمافزار را خراب کند.
به بیان ساده، این مدل مثل یک کارآگاه امنیتی خستگیناپذیر عمل میکند که میتواند حجم عظیمی از کد را در زمانی کوتاه بررسی کند؛ کاری که برای تیمهای امنیتی انسانی، بهخصوص در پروژههای متنباز بزرگ، عملاً غیرممکن است. اگر میخواهید بدانید هوش مصنوعی در کارهای روزمرهی برنامهنویسان چه کمکی میکند، مقاله چگونه پرامپت درست بنویسیم نقطهی خوبی برای شروع است.
۳. بنچمارکها و نتایجی که گوگل منتشر کرده
نتیجهی تیم امنیت کروم
جالبترین و ملموسترین نتیجهای که تا امروز دربارهی این مدل منتشر شده، گزارش تیم امنیت مرورگر کروم گوگل است. طبق این گزارش، Gemini 3.8 Flash Cyber توانسته ۲.۶ برابر بیشتر از بهترین مدلهای تجاری بزرگتر رقیب، وصلههای درست برای آسیبپذیریهای واقعی موجود در کد کروم پیشنهاد بدهد. این رقم برای یک مدل «فلش» که معمولاً کوچکتر و ارزانتر از مدلهای سنگینترِ همان خانواده است، قابلتوجه محسوب میشود.
آزمونهای استاندارد صنعت
در آزمون داخلی گوگل که پوششدهندهی آسیبپذیریها در بیش از بیست زبان برنامهنویسی است، این مدل نرخ موفقیت بالای هفتاد درصد را ثبت کرده. در آزمون مستقلتر CWE-Bench که مخصوص سنجش کیفیت وصلهزنی خودکار طراحی شده، امتیاز این مدل ۴۷.۲ درصد بوده که تقریباً همتراز بهترین مدلهای فرامرزی و بزرگتر بازار در همین آزمون است. کورای کاووکچوغلو، مدیر ارشد فناوری گوگل دیپمایند، این مدل را «قابلاعتمادترین ابزار این شرکت برای پیدا کردن و رفع آسیبپذیریها» توصیف کرده است.
۴. چرا دسترسی به این مدل محدود است؟
برخلاف بیشتر محصولات گوگل که معمولاً بهسرعت در دسترس عموم قرار میگیرند، Gemini 3.8 Flash Cyber از همان ابتدا با محدودیت دسترسی عرضه شده است. تنها راه استفاده از آن، برنامهای تازه به نام Fairwind است که مخصوص دولتها، اپراتورهای زیرساختهای حیاتی مانند انرژی و آب، و نگهدارندههای پروژههای نرمافزاری متنباز طراحی شده. گوگل هیچ قیمت عمومی برای این نسخه اعلام نکرده و برخلاف مدل استاندارد که از طریق Gemini API در دسترس همه است، این نسخه را عرضهی عمومی نکرده است.
این تصمیم را میتوان نشانهای از نگرانی صنعت هوش مصنوعی دربارهی «دوگانه بودن» ابزارهای امنیتی دانست؛ ابزاری که میتواند حفره پیدا کند، در دست اشتباه میتواند همان حفره را برای حمله هم پیدا کند. برای درک بهتر محدودیتها و پتانسیلهای واقعی هوش مصنوعی امروز، مقاله پتانسیل واقعی و محدودیتهای هوش مصنوعی در سایت ما این موضوع را از زاویهی وسیعتری بررسی کرده است.
۵. نسخهی عمومی؛ Gemini 3.8 Flash
همزمان با نسخهی امنیتی، گوگل نسخهی عمومیتری هم منتشر کرده به نام Gemini 3.8 Flash که سومین مدل خانوادهی فلش در شش هفتهی اخیر محسوب میشود؛ سرعت انتشاری که خودش نشاندهندهی رقابت فشرده در این بازار است. طبق اعلام گوگل، این مدل روی آزمون DeepSWE v1.1 که کارهای مهندسی نرمافزار را میسنجد، از بسیاری مدلهای بزرگتر و گرانتر جلو زده و در آزمون استدلال HLE-Verified امتیاز ۵۴.۹ درصد گرفته است.
این مدل با قیمت معرفی هر یک میلیون توکن ورودی ۰.۷۵ دلار و هر یک میلیون توکن خروجی ۳.۷۵ دلار عرضه شده و از طریق Gemini API، Google AI Studio، Android Studio و اپلیکیشنهای مصرفی گوگل در دسترس همه قرار دارد. برای کسبوکارهایی که به دنبال استفاده از چنین مدلهایی در محصولات خود هستند، مقاله چرا هوش مصنوعی برای کسبوکارها مهم است راهنمای خوبی برای شروع خواهد بود.
۶. مقایسه با رقبا؛ اوپنایآی، آنتروپیک و ایکسایآی
گوگل تنها شرکتی نیست که بهطور جدی روی امنیت سایبری هوش مصنوعی سرمایهگذاری کرده. اوپنایآی پیشتر دربارهی توانایی روزافزون مدلهایش در حوزهی امنیت هشدار داده و آنتروپیک هم گزارشهای مشابهی دربارهی افزایش خطرات و ظرفیتهای سایبری مدلهای Claude منتشر کرده است. حتی xAI هم مدل Grok را روی بنچمارکهای زیستامنیتی مشابهی آزموده. این رقابت نشان میدهد صنعت هوش مصنوعی بهشکلی همزمان، هم نگران خطرات امنیتی مدلهای قدرتمند است و هم میخواهد از همان قدرت برای دفاع استفاده کند.
برای کسانی که کنجکاوند مدلهای مختلف چگونه در کارهای فنی و استدلالی با هم مقایسه میشوند، مقاله مقایسه چتجیپیتی و دیپسیک در سایت ما نمونهی خوبی از این نوع مقایسههاست، هرچند در آن مورد میدان رقابت شطرنج بوده، نه امنیت سایبری.
۷. پیامدها برای توسعهدهندگان و تیمهای امنیتی
برای تیمهای امنیتی که هر روز با حجم انبوهی از کد و گزارش آسیبپذیری روبهرو هستند، ابزاری مثل Gemini 3.8 Flash Cyber میتواند نقش دستیار همیشهبیدار را بازی کند؛ ابزاری که خستگی نمیشناسد و میتواند کد را در مقیاسی بررسی کند که برای انسان عملاً امکانپذیر نیست. با این حال، محدود بودن دسترسی به این مدل به معنای آن است که اکثر توسعهدهندگان مستقل و شرکتهای کوچکتر، حداقل در کوتاهمدت، نمیتوانند از آن استفاده کنند و باید به ابزارهای عمومیتر تکیه کنند.
در همین حال، توسعهدهندگانی که با ابزارهای هوش مصنوعی کار میکنند باید مراقب باشند که اتکای بیش از حد به این ابزارها، جای مهارت واقعی برنامهنویسی و امنیت را نگیرد. مقاله توهم هوش مصنوعی؛ توسعهدهندهی تنها در برابر مهندس واقعی در سایت ما دقیقاً همین دغدغه را از زاویهای دیگر بررسی کرده است.
۸. نگرانیها؛ دوگانهی دفاع و حمله
بزرگترین پرسشی که این خبر مطرح میکند، پرسشی فلسفیتر و نگرانکنندهتر است: وقتی همان فناوری که میتواند حفرهی امنیتی را پیدا و ترمیم کند، در اصل توانایی پیدا کردن همان حفره را هم دارد، چه تضمینی وجود دارد که این ابزار همیشه در دست درست بماند؟ گوگل با محدود کردن دسترسی از طریق برنامهی Fairwind تلاش کرده این ریسک را کاهش دهد، اما منتقدان میگویند چنین محدودیتهایی در بلندمدت و با گسترش فناوری، بهسختی قابل کنترل خواهند بود.
پژوهشگران امنیت سایبری از مدتها پیش دربارهی همین دوگانگی هشدار دادهاند؛ ابزاری که برای شکار حفره ساخته شده، اگر کد یا وزنهای آن به بیرون درز کند یا نسخهای مشابه بدون محدودیت ساخته شود، میتواند مسیر معکوس را هم طی کند و به یک سلاح تهاجمی قدرتمند تبدیل شود. به همین دلیل، بسیاری از کارشناسان معتقدند سیاستگذاری و نظارت مستقل، دستکم بهاندازهی خود فناوری اهمیت دارد؛ چیزی که هنوز در بیشتر کشورها، از جمله در حوزهی مقررات هوش مصنوعی، جای خالیاش احساس میشود.
۹. جمعبندی نهایی
گوگل با انتشار همزمان Gemini 3.8 Flash و نسخهی تخصصی Cyber آن، یکبار دیگر نشان داد رقابت مدلهای هوش مصنوعی دیگر فقط بر سر پاسخ دادن به سوالهای روزمره نیست، بلکه وارد حوزههای حساستری مثل امنیت سایبری شده است. برای پیگیری اینگونه اخبار و بهروزرسانیهای بیشتر دربارهی مدلهای هوش مصنوعی، سری به بخش اخبار هوش مصنوعی سایت ما و آموزشهای چتجیپیتی بزنید.
پرسشهای متداول
Gemini 3.8 Flash Cyber دقیقاً چیست؟
مدلی تخصصی از خانواده جمینای ۳.۸ فلش است که برای شکار و ترمیم خودکار آسیبپذیریهای امنیتی در کد نرمافزارها ساخته شده و روی بیش از بیست زبان برنامهنویسی آموزش دیده است.
چه کسانی میتوانند از این مدل استفاده کنند؟
دسترسی به این نسخه محدود است و فقط از طریق برنامهی Fairwind در اختیار دولتها، اپراتورهای زیرساختهای حیاتی و نگهدارندههای پروژههای متنباز قرار میگیرد؛ عموم کاربران نمیتوانند مستقیم از آن استفاده کنند.
نسخهی عمومی Gemini 3.8 Flash چه فرقی با نسخهی سایبری دارد؟
نسخهی عمومی برای استدلال، کدنویسی و کارهای عمومی طراحی شده و برای همه از طریق Gemini API در دسترس است، در حالی که نسخهی سایبری فقط روی کارهای امنیتی متمرکز است و دسترسی محدودی دارد.
آیا رقبای گوگل هم مدلهای مشابهی دارند؟
اوپنایآی و آنتروپیک هم پیشتر دربارهی تواناییهای امنیتی روزافزون مدلهایشان گزارش دادهاند، هرچند تا امروز هیچکدام مدلی بهایناندازه تخصصی و محدودشده برای امنیت سایبری منتشر نکردهاند.
