پرش به محتوای اصلی
پرش به محتوای مقاله

GPT-6 Sol صفر‌روز V8 را در ۱۳ دقیقه با ۴ دلار کشف کرد

·۲۵ آبان ۱۴۰۵۴ دقیقه مطالعه
لوگو پژوهش‌های Xint با GPT-6 Sol و کاهش هزینه کشف صفر‌روز V8 از ۳۵۰ دلار به ۴ دلار
لوگو پژوهش‌های Xint با GPT-6 Sol و کاهش هزینه کشف صفر‌روز V8 از ۳۵۰ دلار به ۴ دلار
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

نخستین بار یک مدل مرزی (GPT-6 Sol) یک صفر‌روز واقعی V8 را در کمتر از ۱۵ دقیقه و با هزینه زیر ۵ دلار کشف می‌کند — نقطه عطفی که کشف آسیب‌پذیری را از حوزهٔ تیم‌های نخبه به دسترس هر توسعه‌دهنده با دسترسی API می‌کشد.

تحقیق Xint منتشرشده در ۱۶ نوامبر ۲۰۲۶ نشان می‌دهد GPT-6 Sol صفر‌روز V8 را در ۱۳ دقیقه و با هزینه ۴.۲۴ دلار کشف کرده است. این هزینه در مقایسه با ۳۵۰ دلار و ۲۵ ساعت در فوریه، کاهش چشمگیری را نشان می‌دهد. این روند کاهش هزینه هم‌جهت است با سقوط رشد هزینه AI از ۴۲٪ به ۱.۵٪ و نصف‌شدن ارزشیابی Anthropic که مانع ورود را برای هر دو طرف حمله و دفاع پایین آورده است. GPT-6 Sol در این تست V8 را در ۱۳ دقیقه شکست، در حالی که GPT-6 Cyber در ExploitGym رکورد ۴۸.۵٪ امتیاز ثبت کرده و نرخ هکِ بی‌قانون را زیر ۱٪ آورده است.

نمودار کاهش هزینه کشف صفر‌روز V8 از ۳۵۰ دلار به ۴ دلار در ۷ ماه

نحوه ساختاردهی محک

  • هفت مدل ارزیابی شده: دو مدل از OpenAI (GPT-5.6 Sol، GPT-6 Sol)، سه مدل از Anthropic (شامل Claude Opus 5)، دو مدل باز (DeepSeek، Z.ai).
  • همه مدل‌ها منتشرشده در فوریه ۲۰۲۶ یا بعد — هیچ‌کدام CVE هدف را در داده‌های آموزشی نداشتند.
  • هدف: CVE-2026-102321، یک باگ نوع‌درهم‌ریختگی در Google V8 منجر به اجرای کد از راه دور.
  • محدوده: محدود به مجموعه‌ای تعریف‌شده از فایل‌های منبع، شامل فایل آسیب‌پذیر.
  • وظیفه: به هر مدل دستور داده شد تا در فایل‌های ارائه‌شده به دنبال مسائل امنیتی بگردد.
  • زمان‌بندی ردیابی شده: خط پایه فوریه، میانی جولای، نهایی سپتامبر.
  • افشای خصوصی: محقق Xint تایسیک یون باگ را پیش از تست به Google VRP گزارش داد.

رابط کاربری GPT-6 Sol با نتایج تحلیل آسیب‌پذیری V8

نتایج مدل‌به‌مدل

  • GPT-6 Sol (سپتامبر): اولین پرامپت راهنمایی، ۴.۲۴ دلار، ۱۳ دقیقه — موفق
  • GPT-5.6 Sol (جولای): دو پرامپت راهنمایی، ۲۲ دلار، ۴۴ دقیقه — موفق
  • Claude Opus 5: اولین پرامپت راهنمایی، ۴۳.۴۰ دلار — موفق اما پرهزینه‌تر
  • DeepSeek (باز): ناکام در یافتن آسیب‌پذیری
  • Z.ai (باز): ناکام در یافتن آسیب‌پذیری
  • دو مدل دیگر Anthropic (نام‌گذاری نشده): ناکام
  • پرامپت‌های راهنمایی لازم: برخی مدل‌ها برای موفقیت به تکرار پرامپت نیاز داشتند که زمان و هزینه را افزایش داد.
  • مسیر هزینه: ۳۵۰ دلار (فبریه) → ۲۲ دلار (جولای) → ۴.۲۴ دلار (سپتامبر) برای بهترین اجرا.

گرافیک خط زمانی مراحل کاهش هزینه کشف صفر‌روز V8 توسط پژوهش‌های Xint

اقتصاد توکن در حال رانندگی دسترسی

  • میانگین افت هزینه توکن: حدود ۴۷ درصد در هر سه‌ماهه از سال ۲۰۲۳.
  • آخرین افت ماهانه: ۱۵ درصد در ماه اخیر اندازه‌گیری‌شده.
  • محرک‌ها: رقابت شدید میان OpenAI، Anthropic و سایر آزمایشگاه‌های مرزی.
  • اثر: کاهش مانع ورود برای هر دو طرف دفاع و حمله.
  • هشدار محققان: «هکرهای متوسط» (mediocre hackers) اکنون می‌توانند از مدل‌های مرزی به‌صورت موثر استفاده کنند.
  • محدودیت: «هنوز دور از هکرهای کاملاً تازه‌کار که از مدل‌های بدون مهار برای هک سیستم‌ها استفاده کنند.»
  • تغییر: آنچه برای هکرهای متوسط «بسیار سخت و پرهزینه» بود، اکنون «دست‌یافتنی» شده است.

اعلان لایه پریمیوم هوش مصنوعی گلکسی سامسونگ

پیامدها برای دفاع

  • تیم‌های امنیتی می‌توانند همان مدل‌ها را برای حسابرسی داخلی بکار گیرند — مانعی وجود ندارد.
  • حسابرسی کد با کمک هوش مصنوعی زاینده دیگر قابل تعویق نیست — نمی‌توان آن را به بازبینی بودجه سال بعد موکول کرد.
  • اولویت اسکن داخلی: سرویس‌های عمومی، اجزای زنجیره تأمین دیجیتالی که سال‌ها حسابرسی نشده‌اند، و کدهای ارثی.
  • واقعیت صفر‌روز: آسیب‌پذیری ناشناس برای فروشندگان؛ یامہ‌ها ممکن است در زمان سوءاستفاده وجود نداشته باشند.
  • نقش هوش مصنوعی: دفاعندگان را برای وظایف نیازمند قضاوت انسانی آزاد می‌کند، جایگزین نمی‌کند.
  • کنترل‌های ضروری باقی می‌مانند: دسترسی صفر اعتماد، قطعه‌بندی شبکه، نظارت نقطه پایانی برای رفتار مشکوک.
  • تخصص همچنان مهم است: دستوردهی موثر به مدل‌ها نیازمند مهارت فنی است.
  • نقل‌قول: «نقشه‌برداری نرم‌افزاری همچنان نیازمند سطحی از تخصص فنی است، اما دیگر نیازی به تخصصِ اوجِ توزیع نیست.»

سازمان‌ها دیگر نمی‌توانند کشف آسیب‌پذیری با کمک هوش مصنوعی را به عنوان یک ریسک تئوریتی آینده تلقی کنند — این یک واقعیت عملیاتی فوری است. همان اقتصاد، تیم‌های دفاعی که مایل به اقدام فوری هستند را در اولویت قرار می‌دهد. گروه‌های امنیتی می‌توانند مدل‌های یکسان را برای حسابرسی سرویس‌های عمومی، اجزای زنجیره تأمین بدون حسابرسی، و کدهای ارثی پیش از مهاجم مستقر کنند.

قطعه‌بندی صفر اعتماد، نظارت نقطه پایانی، و تریاژ با انسان در حلقه ضروری باقی می‌مانند؛ هوش مصنوعی دفاعندگان را برای وظایف نیازمند قضاوت آزاد می‌کند، نه جایگزینی. رهبران امنیتی باید در این فصل یک پایلوت حسابرسی کد با کمک هوش مصنوعی بر روی دارایی‌های بیشترین تعرض راه‌اندازی کنند و معیار هزینه‌به‌ازای-یافتن را در برابر بنچمارک ۴ دلاری ردیابی کنند. چرخه ارزیابی بعدی Xint نشان خواهد داد که آیا مدل‌های وزن‌باز (open-weight) می‌توانند شکاف را با سیستم‌های مرزی ببندند. چرخه ارزیابی بعدی Xint نشان خواهد داد که آیا مدل‌های وزن‌باز می‌توانند شکاف را با سیستم‌های مرزی ببندند، همان‌طور که آزمایشگاه‌های Vals نشان دادند مدل‌های باز به سطح بسته رسیده‌اند.

چرا این موضوع مهم است؟

بنچمارک Xint اکنون مرجع ارزیابی اقتصاد امنیت سایبری است. تیم‌های دفاعی که حسابرسی کد با هوش مصنوعی را آغاز نکنند، با مهاجمینی روبرو می‌شوند که هزینه کشف صفر‌روز برایشان کمتر از یک فنجان قهوه است.

تأثیر برای ایران

مدل‌های باز DeepSeek و Z.ai در تست صفر‌روز V8 ناکام ماندند؛ بنابراین حسابرسی کد با هوش مصنوعی نیازمند دسترسی به مدل‌های مرزی است.

·نگاه ما
تحریریه دات‌هوش

نقطه عطف این است که کشف آسیب‌پذیری دیگر مانع توانمندی نیست، بلکه یک خط پایه عملیاتی شده است. هر سازمانی که تا این فصل حسابرسی کد با هوش مصنوعی را اجرا نکرده، در دور بعد با مهاجمینی روبرو می‌شود که هزینه کشف صفر‌روز برایشان زیر آستانه تصمیم‌گیری است.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.