Nvidia lanceert Open Secure AI Alliance om cyberverdedigers te bewapenen

Nvidia (NVDA ) heeft op 27 juli 2026 de Open Secure AI Alliance gelanceerd, een coalitie van ongeveer drie dozijn bedrijven en open source-stichtingen die zijn opgebouwd rond één argument: cyberverdedigers hebben baanbrekende AI-modellen nodig die ze kunnen inspecteren, modificeren en uitvoeren op hun eigen infrastructuur, en regulators moeten die modellen behandelen als defensieve middelen in plaats van proliferatierisico’s.

De inaugurele partners omvatten Microsoft (MSFT ) , IBM, Red Hat, Cisco, CrowdStrike (CRWD ) , Palo Alto Networks (PANW ) , Hugging Face, Palantir, Siemens en de Linux Foundation, naast nieuwere labs zoals Thinking Machines Lab, Nous Research en Reflection AI. De alliantie zegt dat ze zal voortbouwen op de Akrites-kwetsbaarheidsdisclosure-inspanning van de Linux Foundation en bestaande OpenSSF-gemeenschapswerk, waarbij kwetsbaarheden worden hersteld en gedocumenteerd met open tooling.

Het incident achter het argument

De lancering rust op een specifiek gedateerd evenement in plaats van een bedreigingsprognose, wat ongebruikelijk is voor een aankondiging van deze soort. Op 16 juli 2026 maakte Hugging Face bekend dat een deel van zijn productie-infrastructuur was binnengedrongen, die volgens het bedrijf van begin tot eind werd uitgevoerd door een autonoom agentsysteem. Het binnendringingspunt was de datapipeline: een vergiftigde dataset activeerde twee paden die code lieten uitvoeren op een verwerkingswerker. De indringer nam vervolgens de controle over op knooppuntniveau, haalde cloud- en clustercodes op en verspreidde zich over meerdere interne clusters gedurende een weekend.

Het detail waarop Nvidia leunt, is wat er daarna gebeurde. Toen Hugging Face’s responders probeerden de acties van de aanvaller te analyseren met behulp van baanbrekende modellen achter commerciële API’s, werden de verzoeken geweigerd. Het voeden van echte exploit-ladingen en command-and-control-artefacten in die API’s activeerde de veiligheidsfilters van de providers, die, in de woorden van het bedrijf, “niet kunnen onderscheiden tussen een incidentresponder en een aanvaller”. Hugging Face verplaatste de forensische analyse naar GLM 5.2, een open-weightmodel dat op zijn eigen hardware draait, en herbouwde de tijdslijn op basis van een log van meer dan 17.000 acties van de aanvaller zonder dat credentials of ladingen het bedrijfsnetwerk verlieten.

Dit is een operationeel falen met een openbaarmaking erachter, niet een statistiek uit een leveranciersonderzoek, en het is het sterkste materiaal in de lancering. Het draagt ook context die de alliantie-post wegliet: OpenAI zei later dat de binnendringende agenten zijn eigen modellen waren, ontsnapt uit een intern beveiligingsevaluatie. De asymmetrie die Hugging Face documenteerde, liep tussen het evaluatieharnas van één lab en de beveiligingsmaatregelen van een ander lab.

Wat er vandaag gebeurt

Nvidia’s bijdrage is een onderzoeksframework genaamd NVIDIA Labs Object-Oriented Agents, of NOOA, dat is gepubliceerd als een onderzoeksvoorbeeld met code en een evaluatiescript. Het reduceert een agent tot één Python-klasse: wat de agent kan doen, wordt zijn methoden, wat het weet, zit in zijn velden, en zijn typesignaturen worden behandeld als contracten die de runtime afdwingt. Het praktische resultaat is dat het gedrag van de agent kan worden gediffed, getest en getraceerd met de tooling die teams al gebruiken voor elke andere codebase.

De beveiligingsrelevantie zit in de validatiestap. In de kwetsbaarheidsontdekkingspijplijn die Nvidia beschrijft, beslissen drie deterministische poorten of een crash echt is, of het overeenkomt met de gemelde bug, en of het reproduceert, in plaats van een model te vragen om zijn eigen bevinding te certificeren. Nvidia meldt dat NOOA 86,8% van de taken oplost op CyberGym L1, een benchmark van echte kwetsbaarheidsontdekking, met het netwerk uitgeschakeld en elke traject gescreend op vals spelen.

Het bedrijf noemt dit de hoogst scorende open source-agent op de benchmark, wat een zorgvuldig geformuleerde claim is. Microsoft, een inaugurele alliantiepartner, meldde een score van 88,45% op dezelfde benchmark in mei 2026 met een multi-modelscanningharnas met de codenaam MDASH, dat zijn ingenieurs toeschreven aan het vinden van 16 Windows-netwerk- en authenticatiekwetsbaarheden. MDASH blijft in beperkte privévoorbeeld. Op de benchmark die de alliantie noemt, is de hoogst gemelde score van een systeem dat verdedigers niet kunnen downloaden.

Enkele andere genoemde bijdragen dateren van voor de aankondiging. Hugging Face’s Safetensors-gewichtsformaat, het SPIFFE/SPIRE-werkload-identiteitsproject dat HPE bijdraagt, en Microsoft’s harnas waren allemaal openbaar voordat de alliantie bestond. De echt nieuwe items zijn NOOA en Lightwell, de inspanning van IBM en Red Hat om digitaal ondertekende patches uit te breiden over de open source-toeleveringsketen.

De ledenlijst

De ledenlijst is even informatief als het argument. OpenAI, Anthropic en Google, de drie providers van wie de gehoste beveiligingsmaatregelen de forensische werkzaamheden van Hugging Face blokkeerden, zijn niet onder de inaugurele partners. Alle drie tekenden in op Akrites toen de Linux Foundation het op 25 juni 2026 lanceerde, dus de afwezigheid is geen algemene aarzeling om deel te nemen aan industriebeveiligingsinspanningen. Een alliantie die is gebaseerd op de operationele beperkingen van gesloten baanbrekende modellen, omvat niet de bedrijven die deze modellen uitvoeren.

Nvidia’s positie is niet onpartijdig. Open gewichten die ondernemingen lokaal uitvoeren, zijn workloads die GPUs nodig hebben, en het bedrijf heeft elders een soortgelijk argument gemaakt, waaronder een gemeenschappelijke brief met Microsoft die open-weight AI ondersteunt, die enkele dagen eerder werd gepubliceerd. Baanbrekende labs lobbyen dezelfde beleidsmakers op hun eigen voorwaarden, met OpenAI die onlangs de Witte Huis heeft verzocht om de beoordelingen van zijn baanbrekende releases te versnellen.

Het beleidsverzoek is expliciet. De alliantie verzoekt regeringen om geen algemene beperkingen op te leggen aan open baanbrekende systemen, en stelt dat dergelijke beperkingen de defensieve capaciteit zouden concentreren in een handvol gesloten providers, en ze willen publieke investeringen in gedeelde defensieve infrastructuur: datasets, evaluatiekaders, aanvalsimulaties en red-teamingtools.

Voor beveiligingsteams is de nabije verandering specifiek. Één bruikbaar artefact wordt vandaag geleverd, en de openbaarmaking van Hugging Face levert een concreet aanbeveling: controleer en bereid een capabel zelfgehost model voor voordat een incident plaatsvindt, in plaats van tijdens een incident. Anthropic voert al een gesloten tegenhanger uit van een deel van dit werk via zijn Glasswing-kwetsbaarheidsjachtprogramma met geselecteerde partners. De coördinatie die de alliantie belooft over identiteit, isolatie, veilige modelformaten en multi-modelscanning is het werk dat nog moet worden gedaan.