Японская лаборатория Sakana AI выпустила Fugu-Cyber — специализированную языковую модель, предназначенную для анализа уязвимостей и автоматизации задач в сфере кибербезопасности. Модель базируется на архитектуре Qwen 2.5 и прошла дообучение на обширном массиве данных, связанных с кодом, системным администрированием и поиском эксплойтов, что позволяет ей эффективнее справляться с техническими задачами по сравнению с универсальными LLM.
Разработка Fugu-Cyber стала возможной благодаря использованию метода эволюционного обучения, который Sakana AI активно применяет для создания узкоспециализированных систем. Основной упор при создании модели был сделан на способность понимать сложные структуры кода и выявлять потенциальные векторы атак, что критически важно для автоматизации процессов DevSecOps. Модель демонстрирует высокую точность в задачах анализа безопасности, минимизируя количество ложноположительных срабатываний при сканировании систем.
Интеграция подобных инструментов в рабочие процессы позволяет командам безопасности быстрее реагировать на инциденты и проводить аудит кода в режиме реального времени. В отличие от стандартных моделей общего назначения, Fugu-Cyber оптимизирована для работы с контекстом, специфичным для защиты инфраструктуры, что делает её важным дополнением в арсенале инструментов для защиты программного обеспечения.
Ключевые факты
- Модель построена на базе архитектуры Qwen 2.5 с использованием методов эволюционного дообучения.
- Основная специализация включает анализ уязвимостей, аудит исходного кода и поддержку задач кибербезопасности.
- Fugu-Cyber показывает улучшенные результаты в бенчмарках, связанных с пониманием кода и поиском эксплойтов, по сравнению с базовыми моделями.
- Разработка ориентирована на автоматизацию процессов DevSecOps и снижение нагрузки на специалистов по информационной безопасности.