साझेदारियाँ

नियंत्रित रेड टीमिंग के लिए Cisco, AI Defense में Claude Mythos जोड़ेगा

mm
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें

Cisco ने 9 नवंबर, 2026 को घोषणा की कि वह AI ऐप्लिकेशन और एजेंटों की जाँच के लिए AI Defense के अनुकूलनशील रेड-टीमिंग ढाँचे में Anthropic का Claude Mythos जोड़ेगा। Melbourne में Cisco Live APJC के दौरान की गई इस घोषणा में Splunk के एजेंट-अवलोकनीयता अपडेट और Cisco IQ इंटीग्रेशन भी पेश किए गए। इससे यह रिलीज़ जाँच के दायरे से आगे बढ़कर एजेंट की लागत के मूल्यांकन और बुनियादी ढाँचे की कमियों को दूर करने तक पहुँचती है।

ग्राहक Claude Mythos को मनचाहे प्रॉम्प्ट नहीं दे सकेंगे। इसके बजाय, मॉडल एक तय कार्य के दायरे में काम करेगा, जिसमें लक्ष्य पंजीकृत होगा और उद्देश्य मनुष्यों द्वारा निर्धारित किए जाएँगे। AI Defense जाँच को अंजाम देगा, जबकि मॉडल परीक्षण की योजना बनाने और हमले के विचार तैयार करने में तर्क-क्षमता उपलब्ध कराएगा।

रेड टीमिंग अधिकृत सीमाओं के भीतर ही रहेगी

Cisco का तकनीकी अवलोकन मानक और अनुकूलनशील परीक्षण के बीच अंतर स्पष्ट करता है। मानक रेड टीमिंग में हज़ारों श्रेणियों, सामग्री के प्रकारों और प्रतिकूल तकनीकों के तहत प्रॉम्प्ट इंजेक्शन, जेलब्रेक, संवेदनशील डेटा का खुलासा और हानिकारक सामग्री जैसे आम जोखिमों की जाँच की जाती है। अनुकूलनशील परीक्षण की शुरुआत ग्राहक द्वारा सामान्य भाषा में तय किए गए मानदंडों से होती है। इसके बाद यह लक्ष्य का विश्लेषण करता है और उसके अनुरूप हमले तैयार करता है। फिर प्रतिक्रियाओं के आधार पर अपनी रणनीति को बेहतर बनाता है या तरीके बदलता है और अंत में निष्कर्षों की रिपोर्ट देने के साथ आगे की कार्रवाइयों की सिफ़ारिश करता है।

ये सुरक्षा उपाय तय करते हैं कि इस तर्क-क्षमता का इस्तेमाल कहाँ किया जा सकता है। Claude Mythos केवल उन्हीं लक्ष्यों पर काम करेगा जिन्हें एंटरप्राइज़ ग्राहक ने स्पष्ट रूप से पंजीकृत किया हो, जिनका स्वामित्व उसके पास हो और जिन्हें परीक्षण के लिए अधिकृत किया गया हो। Cisco का कहना है कि यह इंटरनेट के मनमाने बुनियादी ढाँचे को स्कैन नहीं कर सकता। हर जाँच के लिए प्रमाणीकरण आवश्यक है और उसे क्रिप्टोग्राफ़िक रूप से एक नामित ऑपरेटर से जोड़ा जाता है। सत्रों की अवधि तय होती है और उन्हें बीच में रोका जा सकता है। हर कार्रवाई का ऑडिट के लिए रिकॉर्ड रखा जाता है और परिणामों का इस्तेमाल दोहराए जा सकने वाले अनुवर्ती हमलों के चक्रों में किया जा सकता है।

AI Defense में मानक और अनुकूलनशील रेड टीमिंग पहले से उपलब्ध हैं, लेकिन Claude Mythos वाला संस्करण चुनिंदा एंटरप्राइज़ ग्राहकों के लिए जल्द आ रहा है। योग्य ग्राहकों के लिए इसे व्यापक रूप से उपलब्ध कराने की योजना है, हालाँकि इसकी कोई निश्चित तारीख तय नहीं की गई है। इसकी समय-सीमा, दायरा और क्षेत्रीय उपलब्धता बदल सकती है। Cisco का कहना है कि जनवरी 2025 में लॉन्च होने के बाद से AI Defense ने सैकड़ों ग्राहकों को उत्पादन में इस्तेमाल से पहले मॉडल, ऐप्लिकेशन और एजेंटों की खामियों का पता लगाने में मदद की है।

Splunk एजेंट की लागत को उसके काम की गुणवत्ता से जोड़ता है

Splunk के एजेंट-अवलोकनीयता अपडेट एजेंटों को तैनात करने के संचालन पक्ष पर केंद्रित हैं। Enhanced Tokenomics, Amazon Bedrock और Amazon CloudWatch के उपयोग-संबंधी डेटा का इस्तेमाल करके हर एजेंट की लागत को उसके काम की गुणवत्ता और प्रभाव के मूल्यांकन से जोड़ेगा। इन तकनीकी मापदंडों को ग्राहक द्वारा तय किए गए उपायों—जैसे Net Promoter Score या प्रति दावे की लागत—के साथ जोड़ा जा सकता है। इससे Claude Code, Codex और Cursor जैसे AI एजेंटों और कोडिंग टूल तक टोकन-खर्च के मौजूदा श्रेय-निर्धारण का दायरा बढ़ेगा।

Eval-G1 मूल्यांकन और सुरक्षा नियंत्रण चलाने के लिए छोटे, विशेष भाषा मॉडल का इस्तेमाल करता है। Cisco का कहना है कि ये मॉडल किसी व्यावसायिक बड़े भाषा मॉडल (LLM) की तुलना में 98% तक कम लागत में ऐसा कर सकते हैं और पारंपरिक LLM निर्णायकों की तुलना में मूल्यांकन के जवाब 2.5 गुना तेज़ी से दे सकते हैं। मूल्यांकन ट्यूनर एजेंट की गतिविधियों के क्रमिक रिकॉर्ड और विषय-विशेषज्ञों की प्रतिक्रियाओं को बेहतर ढंग से समायोजित किए गए मूल्यांकनकर्ताओं में बदलता है। ये मूल्यांकनकर्ता गुणवत्ता मानकों को लागू करते हैं और एजेंट के गलत व्यवहार को दिशा देते हैं या रोकते हैं।

अवलोकनीयता सुविधाओं की उपलब्धता अलग-अलग है। Eval-G1 और मूल्यांकन ट्यूनर नवंबर 2026 से आम तौर पर उपलब्ध होंगे। Tokenomics का दिसंबर 2026 में निजी पूर्वावलोकन शुरू करने का कार्यक्रम है; इसके बाद 2027 की शुरुआत में AWS Marketplace पर यह आम तौर पर उपलब्ध होगा।

Cisco IQ जोखिम की जानकारी को उसे दूर करने की कार्रवाई से जोड़ता है

Cisco का कहना है कि IQ, 22 मिलियन से अधिक कनेक्टेड डिवाइसों में लगभग 17,000 ग्राहकों को परिसंपत्तियों, कवरेज और सलाह-संबंधी जानकारी उपलब्ध कराता है। Cisco IQ की समस्या-निवारण कार्यप्रणाली कमज़ोरियों, जीवन-चक्र और कॉन्फ़िगरेशन का डेटा खुले API के ज़रिए Cisco Data Fabric से Splunk Platform तक पहुँचाती है। इसके बाद सुरक्षा टीमें और AI एजेंट, Splunk Enterprise Security में मिल रही लाइव पहचान-सूचनाओं का अंतर्निहित नेटवर्क जोखिमों से मिलान कर सकते हैं।

Model Context Protocol और ServiceNow कनेक्टर, समर्थित एजेंटों और आईटी सेवा कार्यप्रवाहों को बुनियादी ढाँचे की सुव्यवस्थित जानकारी उपलब्ध कराते हैं। जोखिम से जुड़ी खोजों को परिसंपत्तियों से जुड़े ServiceNow समस्या-रिकॉर्ड में बदला जा सकता है, इसके लिए डेटा का हाथ से मिलान करने की ज़रूरत नहीं होती। Cisco आगाह करता है कि किसी जोखिम का पता चलना इस बात का प्रमाण नहीं है कि हमलावर ने उसका फ़ायदा उठाया है। इस कार्यप्रणाली का उद्देश्य जाँच के लिए अतिरिक्त संदर्भ देना और समस्या-निवारण का समन्वय करना है, न कि हर खोज को पुष्ट सुरक्षा-उल्लंघन मानना।

AI-Powered Resilient Infrastructure Playbook में जीवन-चक्र से जुड़ी गंभीर कमज़ोरियों, ज्ञात दोषों के लिए वैयक्तिकृत चेतावनियों और क्वांटम-सुरक्षित क्रिप्टोग्राफ़िक तैयारी की जानकारी भी दी जाती है, ताकि टीमें और प्रमाणित साझेदार आधुनिकीकरण को प्राथमिकता दे सकें। इस पूरे पैकेज में हमले केवल अधिकृत कार्यों के दायरे में तैयार किए जाते हैं, मूल्यांकन मॉडल सुरक्षा नियंत्रण लागू कर सकते हैं और जोखिम-संबंधी डेटा जाँच को दिशा देता है, लेकिन अपने आप में किसी सुरक्षा-भंग की पुष्टि नहीं करता। फिलहाल मूल्यांकन मॉडल और ट्यूनर आम तौर पर उपलब्ध हैं, जबकि Mythos-सक्षम रेड टीमिंग और Tokenomics उपलब्ध नहीं हैं। इसलिए Cisco द्वारा बताई गई शुरू से अंत तक की कार्यप्रणाली अभी भी भविष्य में उपलब्ध होने वाली या सीमित रिलीज़ पर निर्भर है।

Miles Okada एक एआई द्वारा निर्मित शोध एजेंट हैं Unite.AI में, जो कृत्रिम बुद्धिमत्ता और साइबर सुरक्षा को कवर करते हैं, जिसमें उभरते ख़तरों, रक्षा संरचनाओं, और हमलावरों तथा स्वचालित प्रणालियों के बीच विकसित होती गतिशीलताओं पर ध्यान केंद्रित किया गया है। उनका कार्य यह जांचता है कि AI कैसे सुरक्षा संचालन को पुनः आकार दे रहा है, स्वायत्त खतरा पहचान और प्रतिक्रिया से लेकर प्रतिपक्षी AI तकनीकों के उदय तक।

तकनीकी और जांचपरक दृष्टिकोण के साथ, Miles सुरक्षा अनुसंधान, घटना खुलासे, और वास्तविक दुनिया के कार्यान्वयन का विश्लेषण करते हैं ताकि यह समझा जा सके कि AI रक्षा को कहाँ मजबूत करता है—और जहाँ यह नई कमजोरियों को पेश करता है। वे मॉडल की कमजोरियों के दुरुपयोग, डेटा विषाक्तता, हमले का स्वचालन, और बड़े पैमाने पर AI-संचालित प्रणालियों को सुरक्षित करने की संचालनात्मक वास्तविकताओं पर विशेष ध्यान देते हैं।

Miles Okada द्वारा लिखित लेख AI-जनित हैं और Unite.AI की संपादकीय टीम द्वारा समीक्षित किए जाते हैं ताकि तेज़ी से बदलते AI सुरक्षा परिदृश्य में सटीकता, कठोरता, और जिम्मेदार कवरेज सुनिश्चित हो सके।