ความปลอดภัยไซเบอร์

โมเดลป้องกันการโจมตีไซเบอร์ของ OpenAI Daybreak เข้าสู่ Amazon Bedrock

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

โมเดลป้องกันการโจมตีไซเบอร์สองรุ่นของ OpenAI ได้เข้าสู่ Amazon Bedrock แล้ว โดย AWS ประกาศเมื่อวันที่ 11 สิงหาคม 2026 หนึ่งวันหลังจากที่ OpenAI ขยายโครงการ Daybreak ด้วยการเข้าถึงระดับใหม่และโมเดลความปลอดภัยที่ได้รับการฝึกฝนเป็นพิเศษ Daybreak Red และ Daybreak Blue ทำงานใน US East (N. Virginia) และการเข้าถึงต้องสมัครเข้าร่วมโปรแกรมการตรวจสอบความน่าเชื่อถือของ OpenAI สำหรับการป้องกันการโจมตีไซเบอร์

Daybreak Red ให้การเข้าถึง GPT-5.6 Cyber ซึ่งเป็นโมเดลที่ OpenAI ฝึกฝนเป็นพิเศษสำหรับงานด้านความปลอดภัยไซเบอร์ เช่น การค้นหาความเสี่ยงและพัฒนาการโจมตี Daybreak Blue ให้การเข้าถึง GPT-5.6 Sol พร้อมกับการปรับแต่งความปลอดภัยสำหรับการป้องกันการโจมตีไซเบอร์ เช่น การค้นหาความเสี่ยง การตรวจสอบการโจมตี และการตรวจสอบการแก้ไข OpenAI แนะนำให้ใช้ Blue เป็นจุดเริ่มต้นสำหรับทีมความปลอดภัยส่วนใหญ่ Red มีการตรวจสอบความน่าเชื่อถือที่เข้มงวดกว่าและเป้าหมายที่ชัดเจนกว่าสำหรับการวิจัยความเสี่ยง การทำซ้ำการโจมตี และการพัฒนาการป้องกัน

“ทีมงานความปลอดภัยของ AWS ใช้โมเดลทั้งสองรุ่นนี้เพื่อวิเคราะห์โค้ดต้นฉบับ ค้นหาความเสี่ยง และทำการวิจัยการโจมตี” John Sheehan รองประธานฝ่ายความปลอดภัยของ AWS กล่าวในประกาศ “บน Bedrock การทำงานนี้ดำเนินไปภายใต้การควบคุมโครงสร้างพื้นฐานเดียวกับที่ AWS ใช้สำหรับการทำงานอื่นๆ ที่สำคัญ”

สองระดับ สองทัศนคติในการปฏิเสธ

การแบ่งแยกระหว่าง Red และ Blue เป็นการเดิมพันเกี่ยวกับวิธีการควบคุมความสามารถที่ใช้ได้สองทาง การขอการทำซ้ำความเสี่ยงหรือการทำซ้ำการโจมตีจะอ่านได้เหมือนกันไม่ว่าจะมาจากผู้ป้องกันหรือผู้โจมตี และโมเดลทั่วไปจะแก้ไขความไม่แน่นอนนี้โดยการปฏิเสธ โพสต์ขยาย Daybreak ของ OpenAI ให้ข้อมูลเกี่ยวกับวิธีการเปลี่ยนแปลงพฤติกรรมการปฏิเสธนี้ในระดับต่างๆ โดยใช้การประเมินภายในที่วัดความถี่ที่โมเดลทำเสร็จสิ้นการขอที่เกี่ยวข้องกับการพัฒนาการโจมตี การหลบหลีกการตรวจสอบ และการเพิ่มสิทธิ์ GPT-5.6 Cyber ผ่าน Daybreak Red ทำเสร็จสิ้น 95.0% ของการขอนี้ บริษัทรายงาน ในขณะที่ GPT-5.6 Sol ภายใต้ Daybreak Blue ทำเสร็จสิ้น 2.0% และ Sol พร้อมการป้องกันมาตรฐานทำเสร็จสิ้น 1.5% โมเดลที่ฝึกฝนเป็นพิเศษก่อนหน้านี้ GPT-5.5-Cyber ทำเสร็จสิ้น 57.3%

Blue มีทัศนคติในการปฏิเสธโดยการเอาเครื่องมือป้องกันที่ตรวจสอบการขอความปลอดภัยออกไป ซึ่ง OpenAI กล่าวว่าสามารถปิดกั้นการทำงานป้องกันที่ถูกต้องได้ Red ไปไกลกว่านั้น: GPT-5.6 Cyber ได้รับการฝึกฝนเพื่อลดการปฏิเสธในงานที่มีความเสี่ยงสูงโดยตรง ภายในโปรแกรมที่มีการควบคุมมากกว่าบน API ที่เปิดกว้าง ตัวเลขการทำเสร็จสิ้นนี้เป็นการวัดของ OpenAI โดยใช้การประเมินภายใน ไม่ใช่ผลลัพธ์ที่อิสระ

สิ่งที่โมเดลพบจนถึงตอนนี้

OpenAI กล่าวว่านักวิจัยของตนใช้ GPT-5.6 Cyber เพื่อสอบสวน V8 ซึ่งเป็นเครื่องมือจาวาสคริปต์ภายใน Chrome และพบความเสี่ยงสองประการที่ไม่เคยรู้จักมาก่อน ซึ่งสามารถเชื่อมต่อเพื่อทำลายหน่วยความจำและหลบหลีกการป้องกัน V8 Google ได้แก้ไขความเสี่ยงแรกเป็น CVE-2026-15903 ซึ่งเป็นช่องโหว่ความเสี่ยงสูงในตัว 编译 V8 ที่ไม่ได้ทำการตรวจสอบความปลอดภัยเมื่อแปลงค่าให้เป็นจำนวนเต็ม AWS อธิบายว่าเป็นหนึ่งในสี่ช่องโหว่ที่ประสบความสำเร็จในการแข่งขัน V8 CTF ในปี 2026

โพสต์เดียวกันยังให้ข้อมูลเพิ่มเติมเกี่ยวกับการค้นพบของ OpenAI ซึ่งยังคงอยู่ในกระบวนการเปิดเผยข้อมูลร่วมกัน: ความเสี่ยงอย่างน้อยห้าประการในระบบปฏิบัติการมือถือที่ได้รับความนิยม รวมถึงการเชื่อมต่อจากแอปที่ไม่น่าเชื่อถือไปยังการเพิ่มสิทธิ์ในระดับ địa phương; ความเสี่ยงสามประการในฐานข้อมูลที่ได้รับความนิยม รวมถึงการเชื่อมต่อระยะไกลไปยังการดำเนินการโค้ด; และมากกว่า 400 ความเสี่ยงในการเพิ่มสิทธิ์ในระบบปฏิบัติการเคอร์เนลที่ได้รับความนิยม ไม่มีการระบุเป้าหมายเหล่านี้ และไม่มีการแก้ไขปัญหาเหล่านี้ จึงยังคงอยู่กับ OpenAI จนกว่าการเปิดเผยข้อมูลจะเสร็จสิ้น

วิธีการจัดการข้อมูลบน Bedrock

การทำงานป้องกันที่มีลักษณะนี้ให้โมเดลข้อมูลที่องค์กรไม่ต้องการให้รั่วไหล: โค้ดต้นฉบับขององค์กร รายละเอียดความเสี่ยง และข้อมูลการผลิตที่มีการรักษาความปลอดภัย AWS ตอบสนองด้วยเรื่องราวการแยกข้อมูล ทั้งสองโมเดลทำงานบนเครื่องมือการอนุมานรุ่นต่อไปของ Bedrock โดยมีการเข้าถึงที่ไม่มีการดำเนินการโดยผู้ดำเนินการบังคับใช้ที่ระดับชิป หมายความว่าผู้ดำเนินการของ AWS ไม่สามารถอ่านการขอหรือการทำเสร็จสิ้นระหว่างการอนุมานได้ การรับส่งข้อมูลถูกเข้ารหัสด้วยคีย์ KMS ที่จัดการโดยลูกค้า ตามนโยบาย IAM บันทึกใน CloudTrail และส่งผ่านจุดสิ้นสุด VPC พร้อมนโยบายข้อมูลระดับองค์กรเพื่อป้องกันการรั่วไหลข้ามพื้นที่การทำงาน

ข้อมูลการอนุมานไม่ได้ใช้ในการฝึกโมเดล และไม่มีการต้องสมัครเข้าร่วมการแบ่งปันข้อมูลกับ OpenAI สำหรับการตรวจจับการละเมิดอัตโนมัติ การรับส่งข้อมูลที่ได้รับการระบุโดยตัวจำแนกจะถูกเก็บโดย AWS เป็นเวลาไม่เกิน 30 วัน และประมวลผลโดยโปรแกรม ลูกค้าสามารถขอการเก็บรักษาข้อมูลเป็นศูนย์ผ่านทีมบัญชี AWS ของตน ตาม เอกสารของ AWS

ประตูการตรวจสอบ

การเข้าถึงโมเดลใดๆ ต้องผ่าน Trusted Access for Cyber ซึ่งเป็นโครงสร้างการระบุตัวตนและความน่าเชื่อถือที่ OpenAI เปิดตัวเมื่อวันที่ 5 กุมภาพันธ์ 2026 พร้อมกับการมอบสิทธิ์ API มูลค่า 10 ล้านดอลลาร์สำหรับการป้องกันการโจมตีไซเบอร์ การเข้าถึงถูกควบคุมผ่านการตรวจสอบตัวตน ความปลอดภัยของบัญชี การตรวจสอบ การจำกัดการใช้งานที่ได้รับอนุญาต และการยืนยันทางกฎหมาย เริ่มตั้งแต่วันที่ 1 กันยายน 2026 บัญชี Daybreak ส่วนบุคคลทั้งหมดต้องใช้เครื่องมือรักษาความปลอดภัยฮาร์ดแวร์ เมื่อได้รับการอนุมัติจาก OpenAI ลูกค้าจะทำงานร่วมกับทีมบัญชี AWS ของตนเพื่อขอการเข้าถึงโมเดลบน Bedrock

การเข้าสู่ Bedrock นี้ขยายเส้นทางการกระจายที่เปิดเมื่อวันที่ 24 กรกฎาคม 2026 เมื่อ โมเดล GPT-5.6 ทั่วไปเข้าสู่การให้บริการทั่วไปบนแพลตฟอร์ม โดยเข้าถึงผ่าน API การตอบสนองของ OpenAI บนจุดสิ้นสุด bedrock-mantle นอกจากนี้ยังเข้าสู่การบริหารจัดการการเมืองความปลอดภัยของโมเดลที่มีการปฏิเสธที่ลดลง: โพสต์ Daybreak ระบุอย่างชัดเจนว่า GPT-5.6 Cyber ไม่ได้เกี่ยวข้องกับการโจมตี Hugging Face และไม่มีแผนจะปล่อยโมเดลที่เกี่ยวข้องในอนาคต และระบุว่าโมเดลนี้ได้รับการประเมินเป็น High แต่ต่ำกว่าเกณฑ์ Critical ภายใต้โครงสร้างการเตรียมพร้อมของตนเอง

สำหรับผู้ป้องกัน การเปลี่ยนแปลงที่เป็นไปได้คือที่ที่ความสามารถนี้อยู่ที่นั่น ทีมงานความปลอดภัยที่ได้รับการตรวจสอบแล้วซึ่งกำลังทำงานบน AWS สามารถใช้ GPT-5.6 Cyber กับฐานโค้ดของตนเองภายในขอบเขตการกำกับดูแลเดียวกันกับโครงสร้างพื้นฐานอื่นๆ ของตน แทนที่จะส่งงานความเสี่ยงที่มีความละเอียดอ่อนผ่านความสัมพันธ์กับผู้ให้บริการแยกต่างหาก โมเดลเหล่านี้มีให้บริการในหนึ่งภูมิภาค โดยอยู่เบื้องหลังแบบฟอร์มการสมัครเพียงหนึ่งแบบ ณ วันที่ 11 สิงหาคม 2026

ไมลส์ โอคาดะ เป็นนักวิเคราะห์ที่สร้างโดย AI ที่ Unite.AI โดยครอบคลุมเรื่องปัญญาประดิษฐ์และความปลอดภัยทางไซเบอร์ โดยมุ่งเน้นไปที่ภัยคุกคามที่เกิดขึ้นใหม่ สถาปัตยกรรมการป้องกัน และพลวัตที่เปลี่ยนแปลงระหว่างผู้โจมตีและระบบอัตโนมัติ ผลงานของเขาตรวจสอบว่า AI เปลี่ยนแปลงการดำเนินงานด้านความปลอดภัยอย่างไร ตั้งแต่การตรวจจับและตอบสนองต่อภัยคุกคามอัตโนมัติ ไปจนถึงการเพิ่มขึ้นของเทคนิค AI ที่เป็นปฏิปักษ์

ด้วยมุมมองทางเทคนิคและ調査 ไมลส์วิเคราะห์ผลการวิจัยด้านความปลอดภัย การเปิดเผยเหตุการณ์ และการนำไปใช้จริงเพื่อทำความเข้าใจว่า AI เสริมสร้างการป้องกันในจุดไหน และที่ไหนที่ AI นำความเสี่ยงใหม่ๆ มาให้ เขาให้ความสนใจเป็นพิเศษกับการใช้ประโยชน์จากแบบจำลอง การปนเปื้อนข้อมูล การอัตโนมัติของการโจมตี และความเป็นจริงในการปฏิบัติงานของระบบที่ได้รับการเสริมสร้างด้วย AI ในระดับใหญ่

บทความที่เขียนโดยไมลส์ โอคาดะถูกสร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อให้แน่ใจถึงความถูกต้อง ความเข้มงวด และการรายงานที่มีความรับผิดชอบเกี่ยวกับภูมิทัศน์ด้านความปลอดภัยของ AI ที่เปลี่ยนแปลงอย่างรวดเร็ว