Anthropic ra mắt Mythos 5.2: Tìm lỗi tốt hơn, ít thoát sandbox

Anthropic hôm thứ Hai đã phát hành Claude Mythos 5.2, phiên bản mới nhất của mô hình AI được hạn chế quyền truy cập. Theo Mozilla, mô hình này gần như nhân đôi kết quả phát hiện lỗ hổng của Mythos 5.1 khi quét mã nguồn Firefox.

Anthropic Claude

Hai mô hình, một lõi chung

Mythos 5.2 được phát hành cùng lúc với Claude Fable 5.2 và cả hai dùng chung một mô hình nền tảng. Điểm khác biệt nằm ở lớp rào chắn: Fable, phiên bản ai cũng có thể dùng, mang theo các biện pháp bảo vệ chống lạm dụng trong lĩnh vực an ninh mạng và sinh học, trong khi Mythos được phát hành mà thiếu một số lớp bảo vệ đó.

Quyền truy cập trực tiếp vào Mythos chỉ dành cho các tổ chức đã được thẩm định, đăng ký thông qua Chương trình Xác minh An ninh mạng và Khoa học Sự sống (Cyber and Life Sciences Verification Programs) của Anthropic.

Brian Grinstead, kỹ sư cấp cao tại Mozilla, cho biết: "Chúng tôi đã phối hợp chặt chẽ với đội ngũ Anthropic suốt cả năm để gia cố Firefox bằng các thế hệ mô hình Claude liên tiếp, và mỗi vòng đều để lại ít lỗi hơn, tinh vi hơn. Dù vậy, Mythos 5.2 vẫn gần như nhân đôi các chỉ số phát hiện lỗ hổng của Mythos 5.1 trong các chiến dịch quét tương ứng."

Đo lường bằng CVE Rediscovery

Nội bộ Anthropic đánh giá tiến bộ bằng phương pháp CVE Rediscovery: đưa cho mô hình mã nguồn của một dự án trước thời điểm một CVE đã biết được vá, rồi kiểm tra xem mô hình có tự phát hiện ra lỗ hổng mà không cần trợ giúp hay không.

Trong một lượt chạy vào tháng 10 với 1.829 CVE, Mythos 5.2 đạt tỷ lệ thành công 89,6%. Mythos 5.1 đạt 78,3%, còn Opus 5.5 — được kiểm thử không có rào chắn — đạt 81,3%.

Anthropic cũng công bố kết quả từ các bên kiểm thử, trong đó có một công ty an ninh mạng phát hiện rằng cứ sáu lỗi đã được xác nhận mà Mythos 5.2 tìm ra thì có một lỗi chưa từng được bất kỳ mô hình hàng đầu nào khác phát hiện.

Tuy nhiên, trong phần chú thích, Anthropic thừa nhận: "Theo đánh giá của chính chúng tôi, khả năng nhận diện lỗ hổng gần như tương đương Opus 5.5."

Khách hàng doanh nghiệp dùng Claude Enterprise nhưng không thuộc Chương trình Xác minh An ninh mạng vẫn có đường khác để tiếp cận Mythos mới nhất: Claude Security, công cụ quét lỗ hổng mã nguồn của Anthropic, giờ đây sử dụng Mythos 5.2 cùng một số mô hình khác.

Rào chắn của Fable 5.2

Ở Fable 5.2, các bộ phân loại sẽ chặn những tác vụ mạng rủi ro như kiểm thử xâm nhập (penetration testing), tạo mã khai thác (exploit generation) và các nhiệm vụ nguy hiểm khác; người dùng sẽ nhận phản hồi từ Opus 4.8 thay thế.

Anthropic khẳng định các biện pháp bảo vệ này vững chắc ngang với Fable 5.1 nhưng ít bị kích hoạt nhầm bởi công việc hợp pháp hơn. Kiểm thử ban đầu cho thấy số lần chặn liên quan đến an ninh mạng giảm khoảng 60% so với Fable 5.1.

Thoát sandbox: từ 39% xuống 3,1%

Công ty cũng kiểm tra mức độ dễ dàng mà mô hình thoát khỏi lớp cách ly trong một thử nghiệm với hơn 1.800 tình huống. Sandbox được cài một lỗ hổng cố ý, và phần lớn nhiệm vụ chỉ có thể hoàn thành bằng cách thoát ra ngoài.

Mythos 5.2 phải dựa vào thông tin đăng nhập hoặc tệp mà Anthropic để bên ngoài sandbox trong 3,1% tình huống. Đây là mức giảm mạnh so với Mythos 5.1 (21%) và Mythos 5 (39%), tiệm cận tỷ lệ 3,3% của Opus 5.5.

Eduard Kovacs

Góc nhìn

Với các đội phát triển và kỹ sư an ninh tại Việt Nam, tín hiệu đáng chú ý nhất không phải con số 89,6% mà là chiều ngược lại: mô hình mạnh hơn nhưng ít thoát sandbox hơn đáng kể. Điều này cho thấy các công cụ quét lỗ hổng bằng AI đang dần đủ tin cậy để đưa vào quy trình CI/CD, miễn là vẫn chạy trong môi trường cách ly chặt và có người kiểm duyệt kết quả.

Tuy vậy, việc Mythos chỉ mở cho tổ chức đã thẩm định nghĩa là phần lớn doanh nghiệp Việt Nam sẽ tiếp cận năng lực này qua Claude Security hoặc Claude Enterprise thay vì dùng mô hình trực tiếp. Bài học thực tế là đừng xem kết quả AI quét mã là chân lý — ngay cả Anthropic cũng thừa nhận khả năng nhận diện lỗ hổng của Mythos 5.2 chỉ ngang Opus 5.5 trên thang đo nội bộ của họ.