Vals 的一项新研究表明,来自中国的开放权重(open-weight)AI 模型(尤其是 DeepSeek 和 GLM)正在显着缩小与美国领先专有 AI 模型在网络攻击能力方面的差距。
Vals 评估了在模拟企业系统上执行多步骤网络攻击的能力,包括网络入侵和内部网络横向移动。
OpenAI 的先进网络安全模型 Daybreak 以 81% 的任务完成率领先,而 DeepSeek 达到了 73%。在某些任务上,这两个模型取得了相当的结果。
成本差距尤为显著。据 Vals 称,GPT-6-Sol 每次测试攻击花费 17 至 46 美元,而 DeepSeek 仅需 2 至 3 美元。
开放权重模型可以下载并在私有基础设施上运行,从而降低成本并减少供应商对访问权限的控制。
这一结果对 OpenAI 和 Anthropic 限制访问具备高网络攻击能力的 AI 模型的战略构成了挑战。
Anthropic 曾预测,先进的网络攻击能力将在 6 到 24 个月内普及。新研究表明,这种普及正在迅速发生。
然而,测试结果尚未证明在真实世界环境中具有同等效力。许多攻击团伙仍在使用足以满足其目标的旧款、低成本模型。
专家警告称,通过修改权重来禁用安全机制可能会进一步增加滥用 AI 的风险。
📌 结论: Vals 的研究表明,由于开放权重 AI 模型和低运行成本,先进的网络攻击能力正变得更容易获得。81% 对 73% 的差距表明,在这些基准测试中,专有模型的优势已不再绝对。这一趋势要求将网络安全的工作重心从控制模型访问权限,转变为主动发现漏洞、自动化防御并在攻击者利用漏洞之前缩短修复时间。

