Vals 发现,中国开放权重 AI 模型 DeepSeek 平均完成了 73% 的模拟网络攻击目标。该公司测试了不同 AI 模型在模拟企业网络中执行复杂多步骤指令的表现。研究结果表明,开放权重模型开始具备与领先闭源模型相当的网络攻防能力,而运营成本更低。
Vals 在模拟企业网络中测试 AI 模型
Vals 在两种模拟场景中测试了 AI 模型。第一种场景使用一个可通过面向公众的网站访问的模拟企业网络。第二种场景涉及两个不同的公司网络,要求模型先攻陷第一个网络,才能访问第二个网络。
测试衡量了模型在模拟环境中执行各种具体任务的能力。Vals 研究员 Nikil Rav 表示,最优秀的前沿模型只能通过可信访问计划使用,而现在任何人都可以下载的开放模型正开始与之匹敌。
DeepSeek 完成 73% 的网络攻防目标
OpenAI 最先进的网络攻防模型 Daybreak 是本次测试中能力最强的模型。它仅向可信合作伙伴开放,在两次测试中平均完成了 81% 的任务。
DeepSeek 平均完成了 73% 的目标。Vals 研究人员指出,两款模型在一些任务中的得分相同,这使 DeepSeek 在模拟评估中的表现接近 Daybreak。
研究结果表明,闭源模型在网络攻防技能方面已不再拥有明显优势。这对前沿实验室限制先进模型访问权限、以减缓此类能力更广泛传播的努力提出了挑战。
DeepSeek 降低模拟网络攻击行动的成本
Vals 表示,对于这类任务,使用开放权重模型的成本要低得多。GPT-6-Sol 执行一次攻击的成本为 17 至 46 美元,而 DeepSeek 的成本为 2 至 3 美元。
开放模型通常更便宜,因为用户可以在自己的硬件上运行。Vals 首席执行官 Rayan Krishnan 表示,这为防御者使用开放模型而非专有模型创造了强烈的动力。
开放权重模型加剧网络安全访问权限方面的担忧
这项研究发布之际,AI 正被用于自动化核心黑客任务,帮助攻击者和防御者发现大量新的代码漏洞,并迅速探测网络弱点。这些发现的速度和规模,以及修复已暴露软件缺陷的紧迫性,都有所增加。
来源指出,专家们仍在争论 AI 是否从根本上改变了网络安全防御的概念基础和原则,还是放大了长期存在的安全挑战。对现实世界中网络犯罪分子和国家支持的黑客活动的观察也表明,攻击者会节省资源,在大多数活动中通常使用较旧、能力较弱的专有模型和开放模型。
云安全公司 Edera 的联合创始人兼首席技术官 Alex Zenla 表示,开放权重模型如今已能够制造高级攻击和漏洞,尤其是考虑到通过修改权重来禁用安全训练的消融模型。他还表示,闭源实验室可能已经训练出能力超越这些模型、但尚未发布的其他模型。
DeepSeek 和 Daybreak 网络攻防评估详情
- Vals 在两种模拟网络场景中测试了 AI 模型。
- DeepSeek 平均完成了 73% 的目标。
- OpenAI 的 Daybreak 在两次测试中平均完成了 81% 的指定任务。
- Daybreak 仅向可信合作伙伴开放。
- GPT-6-Sol 执行一次攻击的成本为 17 至 46 美元。
- DeepSeek 执行同类任务的成本为 2 至 3 美元。
- 在一些任务中,DeepSeek 和 Daybreak 的得分相同。
常见问题
DeepSeek 在 Vals 的网络攻防评估中表现如何?
在 Vals 的模拟网络攻击任务中,DeepSeek 平均完成了 73% 的目标。研究人员指出,DeepSeek 和 OpenAI 的 Daybreak 在一些任务中的得分相同。
DeepSeek 与 OpenAI 的 Daybreak 相比表现如何?
Daybreak 在两次测试中平均完成了 81% 的指定任务,是评估中能力最强的模型。DeepSeek 平均完成了 73% 的目标,表现并不逊色太多。
与 GPT-6-Sol 相比,DeepSeek 的成本是多少?
Vals 表示,GPT-6-Sol 执行一次攻击的成本为 17 至 46 美元,而 DeepSeek 的成本为 2 至 3 美元。