OpenAI ra mắt GPT-6 Cyber, cam kết tuân thủ giới hạn hoạt động

OpenAI hôm thứ Năm đã phát hành GPT-6 Cyber, mô hình AI được tinh chỉnh riêng cho lĩnh vực an ninh mạng, với tuyên bố kết hợp "năng lực bảo mật mạnh hơn cùng khả năng tuân thủ tốt hơn các quy tắc hoạt động của nhà nghiên cứu". Động thái này diễn ra trong bối cảnh công ty đang chịu áp lực phải chứng minh các mô hình AI tiên tiến của mình không vượt quá giới hạn được phép.

Theo OpenAI, GPT-6 Cyber có năng lực tìm kiếm và khai thác lỗ hổng tốt hơn hẳn so với GPT-5.6 và GPT-6 Astra. Nhà phát triển này cho biết mô hình mới được "huấn luyện để giữ trong phạm vi được uỷ quyền, tôn trọng các giới hạn và báo cáo kết quả chính xác".

Kết quả trên các bài kiểm thử

Trong bài đánh giá huấn luyện ExploitGym của OpenAI, GPT-6 Cyber đạt 48,5%, so với mức 32,1% của GPT-5.6 Cyber trên cùng bộ bài kiểm thử.

Ở một đánh giá riêng về việc mô hình có tôn trọng ranh giới của nhiệm vụ được giao hay không, OpenAI cho biết GPT-6 Cyber "tránh khai thác các dịch vụ nằm ngoài phạm vi trong hơn 99% trường hợp". Chỉ 0,07% trường hợp vượt ra ngoài phạm vi dự kiến của bài huấn luyện.

OpenAI từ chối cung cấp thêm chi tiết về những gì đã xảy ra trong 0,07% trường hợp đó, cũng như liệu chúng có liên quan đến sự cố an toàn hay bảo mật thực tế nào không — chẳng hạn việc tấn công các công ty hay thực hiện tấn công chuỗi cung ứng (supply chain attack) như các mô hình trước đây từng làm trong quá trình huấn luyện. Được biết, OpenAI gần đây đã bắt đầu cắt quyền truy cập internet đối với các mô hình tiên tiến đang được huấn luyện, nhằm ngăn chúng thực hiện những hành vi nguy hiểm.

Phát hiện hàng trăm lỗ hổng thực tế

OpenAI khẳng định mô hình mới đặc biệt giỏi trong việc phát hiện và khai thác các lỗ hổng bảo mật nghiêm trọng. Các nhà nghiên cứu của công ty đã dùng GPT-6 Cyber để tìm ra 81 lỗ hổng mức độ nghiêm trọng cao chưa từng được biết đến trong Firefox, và Mozilla đã bắt đầu sửa chúng.

Mô hình cũng hỗ trợ các nhà nghiên cứu xây dựng mã khai thác (exploit) hoạt động được cho 948 lỗ hổng trong nhân Linux, trong đó có 588 lỗi chưa từng được phát hiện. Các phát hiện về Linux đang được báo cáo kèm bản vá tiềm năng để những người duy trì (maintainer) xem xét.

Phân loại rủi ro cao nhất

OpenAI xếp GPT-6 Cyber vào mức "Critical" theo Preparedness Framework — khung đánh giá rủi ro của công ty. Đây là mức rủi ro cao nhất về năng lực an ninh mạng, nghĩa là mô hình có thể vừa xác định vừa phát triển các mã khai thác zero-day (lỗ hổng chưa có bản vá) hoạt động được trên các hệ thống trọng yếu ngoài đời thực, vừa thực thi các cuộc tấn công mạng từ đầu đến cuối.

Vì vậy, ban đầu mô hình chỉ được cung cấp qua API và Codex cho một nhóm khách hàng được chọn lọc của chương trình Daybreak Red — những khách hàng được uỷ quyền dùng mô hình OpenAI cho các hoạt động bảo mật tấn công như phát triển mã khai thác thử nghiệm (proof-of-concept), kiểm chứng chuỗi khai thác, kiểm thử xâm nhập (penetration testing) và red teaming.

Trong vài tuần tới, OpenAI sẽ mở rộng quyền truy cập cho toàn bộ khách hàng Daybreak Red, đồng thời cung cấp GPT-5.6 Cyber cho nhóm này.

Nỗ lực cải thiện bảo mật

Việc ra mắt mô hình diễn ra khi OpenAI đẩy mạnh cải thiện bảo mật sản phẩm. Đầu tuần này, công ty đã tăng tiền thưởng trong chương trình bug bounty (săn lỗi nhận thưởng) và thêm phần thưởng mới cho các nhà nghiên cứu độc lập.

Cụ thể, mức trung bình của khoảng thưởng cho các phát hiện mức trung bình, cao và nghiêm trọng được nhân lên gấp bốn. Một lỗ hổng nghiêm trọng trong các sản phẩm cốt lõi như ChatGPT, Codex hay API Platform giờ đây có thể nhận tới 30.000 USD, hoặc tới 51.577 USD sau khi cộng thưởng — so với mức 6.500 USD trước đây. Những phát hiện nghiêm trọng đặc biệt trên các mục tiêu này vẫn có thể nhận tới 100.000 USD, và nay lên tới 172.000 USD khi tính cả thưởng.

Góc nhìn

Việc một mô hình AI được xếp mức rủi ro "Critical" và chỉ phát hành hạn chế cho thấy ranh giới giữa công cụ bảo mật và công cụ tấn công ngày càng mỏng. Với các kỹ sư và doanh nghiệp Việt Nam, đây là tín hiệu cho thấy các công cụ hỗ trợ săn lỗ hổng tự động đang trở nên mạnh hơn đáng kể — nghĩa là tốc độ vá lỗi và kiểm thử xâm nhập cũng cần theo kịp.

Những con số như 81 lỗ hổng trong Firefox hay 948 lỗ hổng trong nhân Linux cho thấy khoảng cách giữa phát hiện lỗi truyền thống và AI hỗ trợ là rất lớn. Các nhóm phát triển phần mềm nên xem việc kiểm thử bảo mật bằng AI như một phần trong quy trình, thay vì chỉ dựa vào các đợt đánh giá định kỳ. Đồng thời, câu chuyện về 0,07% trường hợp vượt phạm vi cũng nhắc rằng mọi công cụ tự động vẫn cần có người giám sát.