OpenAI استرا را «سایبری بحرانی» می‌نامد و عرضه را محدود می‌کند

اعلام ۱ سپتامبر OpenAI، ریسک سایبری مدل‌های مرزی را از یک طبقه نظری به محدودیت واقعی عرضه تبدیل می‌کند. شرکت می‌گوید استرا نخستین مدل آن است که در چارچوب آمادگی به آستانه «بحرانی» رسیده؛ یعنی با ابزار و دسترسی مناسب می‌تواند در هدف‌های سخت‌سازی‌شده آسیب‌پذیری ناشناخته پیدا کند و آن را به حمله تبدیل کند، یا از یک هدف کلی راهبرد تازه‌ای برای نفوذ بسازد و بدون هدایت گام‌به‌گام انسان اجرا کند. استرا هنوز در دسترس عموم نیست و OpenAI زمانی دقیق‌تر از «به‌زودی» نداده است. نتیجه عملی روشن است: توان یکسان، دسترسی یکسان نخواهد داشت. گردش‌کارهای سایبری قوی ابتدا به گروه کوچکی از آزمایش‌کنندگان می‌رسد و سپس از مسیر Daybreak Blue گسترده می‌شود؛ نسخه عمومی محدودتر می‌ماند.

مدرک توانمندی چشمگیر است، اما از برچسب «بحرانی» محدودتر. OpenAI از امتیاز کامل استرا در ExploitBench خبر می‌دهد؛ معیاری که آسیب‌پذیری‌های شناخته‌شده را می‌آزماید. برای کاهش خطر آلودگی داده، شرکت مجموعه داخلی دیگری از ۲۰ آسیب‌پذیری شدید V8 ساخت که میان ژوئن و اوت ۲۰۲۶ افشا شده بودند. بنا بر گزارش خود شرکت، استرا با توکن خروجی کمتر از GPT-5.6 Sol نرخ اجرای کد دلخواه بسیار بالاتری داشت و دو آسیب‌پذیری روز صفر را پیدا و در یک زنجیره اکسپلویت به هم متصل کرد. در آزمون کارشناسی نیز از sandbox یک مرورگر سخت‌سازی‌شده بیرون رفت و در سیستم‌عامل سخت‌سازی‌شده زنجیره ارتقای دسترسی محلی ساخت. این نتایج هنوز بازتولید مستقل نشده‌اند. موارد کامل آزمون داخلی، نرخ موفقیت مطلق و آثار ارزیابی منتشر نشده و خود OpenAI می‌گوید نتیجه با دسترسی Daybreak Blue به دست آمده، نه پیکربندی پیش‌فرض تولید.

پاسخ کنترلی نشان می‌دهد مرز عرضه چگونه رفتار محصول را عوض می‌کند. OpenAI پس از رخداد جداگانه Hugging Face بخشی از آموزش مرزی را دو هفته متوقف کرد، بعضی کارهای توسعه و عرضه استرا را عقب انداخت، جداسازی و کنترل شبکه را سخت‌تر کرد و در ۲۸ اوت یک اجرای بزرگ یادگیری تقویتی را با شروط تازه از سر گرفت. در آزمون داخلی فرار از محدودیت سایبری، استرا ۹۱٫۵ درصد درخواست‌ها را رد کرده است؛ این رقم برای GPT-5.6 Sol برابر ۵۹ درصد بود. این سنجه ایمنی را فروشنده تولید کرده است؛ نه اینکه در جهان واقعی دقیقاً ۸٫۵ درصد حمله‌ها عبور می‌کنند یا مدل بیرون از توزیع آزمون ایمن است.

این محافظ‌ها هزینه قابلیت اتکا دارند. Axios گزارش می‌دهد OpenAI هشدار داده که پرچم پایش ممکن است کار مجاز را کند، متوقف یا لغو کند؛ کاربر ChatGPT یا Codex شاید ناچار به بازبینی شود و کار API ممکن است پایان یابد. OpenAI می‌گوید اگر محافظ‌های تولیدی‌اش هنگام رخداد پیشین Hugging Face فعال بودند، جلوی آن را می‌گرفتند؛ اما این ارزیابی خلاف‌واقع، سابقه تولید واقعی نیست. کارت سامانه استرا، جزئیات آزمون شخص ثالث، نرخ خطای مثبت، مسیر اعتراض و شیوه گزارش رخداد، مدرک محکم‌تری از نام آستانه خواهند بود.

Enterprise Frontier Safeguards شرکت Anthropic پایش چندجلسه‌ای را با نگهداری داده نزد مشتری ترکیب می‌کند. Anthropic می‌گوید EFS یک پنجره زمانی از ترافیک را برای الگوهایی مانند توسعه توان تهاجمی سایبری، سوءاستفاده زیستی و اعتبارنامه سرقت‌شده تحلیل می‌کند، ولی داده فعالیت را در حساب ابری زیر کنترل مشتری نگه می‌دارد. کلید رمزگذاری و سیاست دسترسی دست مشتری است؛ پرچم خودکار مستقیم به کارکنان مجاز همان سازمان می‌رسد و بازبینی انسانی Anthropic لازم نیست. سامانه با بیش از ۱۰۰ سازمان، از جمله همه بانک‌های مهم سیستمی جهانی آمریکا، طراحی شده و قرار است از اواخر پاییز به‌تدریج عرضه شود.

این کنترل‌ها اختیاری‌اند و بنا بر گفته Anthropic رفتار مدل، قیمت API و سقف نرخ را عوض نمی‌کنند. EFS رایگان است، اما ذخیره‌سازی و انتقال داده هزینه ابر مشتری را بالا می‌برد؛ نگهداری لاگ نزد مشتری هم کامل‌بودن کشف یا واکنش به‌موقع را ثابت نمی‌کند. مدت نگهداری، نرخ کشف، خطای مثبت، همبستگی میان حساب‌ها، اختیار مهار فوری و امکان صدور مدرک حسابرسی بدون افشای پرامپت و اعتبارنامه، سنجه‌های واقعی‌اند.

گزارش شفافیت AI مسئولانه Microsoft در سال ۲۰۲۶ همین تغییر را از بازبینی مدل به صفحه کنترل کل سامانه تقویت می‌کند. شرکت می‌گوید استاندارد داخلی خود را بر پایه مدل، خدمت پلتفرمی و برنامه بازطراحی کرده و الزامات همیشگی را کنار قواعد وابسته به سناریو گذاشته است. برای عامل‌ها، هویت، مجوز ابزار و پایش اقدام را کنترل بنیادی می‌داند و از نقاط کنترل زمان اجرا در ASSERT و Agent Control Specification می‌گوید. این نقشه خودگزارش‌شده تضمین اجرا نیست، اما هویت، مجوز، مشاهده و مداخله را تا زمان اجرا دنبال می‌کند.

CrowdStrike همین رقابت کنترلی را به محصول امنیتی تبدیل کرده است. SafeMind مدل تهاجمی Red Tempest و مدل دفاعی Blue Solano را در harnessی کنار هم می‌گذارد تا یکی مسیر حمله را پیدا کند و دیگری آن را ببندد. شرکت می‌گوید مدل‌ها بر پایه NVIDIA Nemotron، تله‌متری Falcon و برچسب‌های پاسخ به رخداد آموزش دیده‌اند و CoreWeave زیرساخت آموزش و استنتاج را فراهم می‌کند. CrowdStrike از کشف ۲۹ درصد بهتر، اصلاح سرتاسری شش برابر سریع‌تر و هزینه کشف و اصلاح ۹۹ درصد کمتر نسبت به مدل‌های مرزی و متن‌باز «پیشرو» می‌گوید. نام خط پایه، نرخ مطلق، ترکیب بارکاری، اندازه نمونه و ارزیابی مستقل در اطلاعیه نیست. پس این ارقام ادعای بنچمارک فروشنده و نشانه جهت محصول‌اند، نه مقایسه قطعی.

نتایج همان روز Palo Alto Networks نشان می‌دهد چرا پیش از سنجش مستقل همه ادعاهای تازه نیز سرمایه به این حوزه می‌رود. درآمد فصل چهارم سال مالی با رشد ۳۴ درصدی به ۳٫۴۱۰ میلیارد دلار رسید که ۲٫۶۷۲ میلیارد دلار آن از اشتراک و پشتیبانی بود. ARR امنیت نسل بعد ۶۳ درصد رشد کرد و به ۹٫۱۰ میلیارد دلار رسید، تعهد عملکرد باقیمانده با رشد ۳۴ درصدی ۲۱٫۲ میلیارد دلار شد و جریان نقد عملیاتی ۱٫۳۵۷ میلیارد دلار بود. شرکت برای سال مالی ۲۰۲۷ درآمد ۱۴٫۱۰ تا ۱۴٫۲۰ میلیارد دلاری، رشد ۲۳ تا ۲۴ درصدی و حاشیه جریان نقد آزاد تعدیل‌شده ۳۸ درصدی را پیش‌بینی می‌کند. این سنجه‌ها کل سبد امنیتی و تملک‌های شرکت را در بر می‌گیرند و هزینه ناشی از استرا، SafeMind یا یک تهدید AI خاص را جدا نمی‌کنند.

پل میان سود گزارش‌شده و تعدیل‌شده قید ضروری است. سود عملیاتی GAAP فصل ۱۷۲ میلیون دلار و زیان خالص ۲۸۲ میلیون دلار بود؛ سال قبل این دو رقم ۴۹۷ و ۲۵۴ میلیون دلار سود بودند. در ارائه non-GAAP، سود عملیاتی ۱٫۰۱۱ میلیارد دلار و سود خالص ۸۵۳ میلیون دلار گزارش شد. این محاسبه در میان اقلام مختلف، ۴۸۷ میلیون دلار هزینه جبران مبتنی بر سهام، ۶۸ میلیون دلار هزینه تملک، ۲۸۱ میلیون دلار استهلاک دارایی نامشهود خریداری‌شده و ۵۲۴ میلیون دلار تغییر ارزش منصفانه اوراق قابل‌تبدیل و capped call را تعدیل می‌کند. افشای این اقلام برای یک نمای عملیاتی مفید است، اما چند مورد تکرارشونده یا از نظر اقتصادی واقعی‌اند. تقاضای امنیت قرارداد و نقد می‌سازد؛ رشد درآمد لزوماً به معنی رشد پاک سود GAAP نیست.

برای مدیر عملیاتی، دسترسی سایبری مرزی باید یک خدمت ممتاز تولیدی تلقی شود. کدنویسی معمولی را از گردش‌کار دارای توان اکسپلویت جدا کنید؛ هر عامل را به هویت مشخص ببندید؛ ابزار را درست هنگام نیاز و با کمترین مجوز بدهید؛ شبکه و اعتبارنامه را ایزوله کنید؛ لاگ اقدام دست‌کاری‌ناپذیر نگه دارید؛ اختیار توقف را روشن کنید؛ و از قبل تمرین کنید وقتی detector پاسخ مجاز به رخداد را مسدود می‌کند چه می‌شود. سازمان تحت نظارت باید هزینه ابر مشتری، خروج داده، بازبینی انسانی و نگهداری مدرک را در بودجه ببیند، حتی اگر فروشنده مدل EFS را رایگان بنامد. برای شرکت ایرانی که با محدودیت ابر خارجی، ارز و دسترسی روبه‌روست، سپردن کار بحرانی به سطحی اختیاری از ارائه‌دهنده یا کانال اعتراضی دست‌نیافتنی، ریسک بیشتری دارد.

گام بعدی باید مدرک مشخص بیاورد. OpenAI باید کارت سامانه استرا، نتیجه مطلق آزمون‌ها، ارزیابی بیرونی، قواعد دسترسی و داده واقعی خطای مثبت را منتشر کند؛ نگهدارندگان نرم‌افزار نیز باید رفع دو روز صفر را بدون افشای راه سوءاستفاده تأیید کنند. عرضه EFS باید عملکرد کشف، زمان مهار و رابط حسابرسی را روشن کند. CrowdStrike به خط پایه نام‌دار و تعریف بازتولیدپذیر بارکاری نیاز دارد. Palo Alto Networks نیز باید رشد ۶۳ درصدی ARR را هنگام ادغام تملک‌ها و اجرای راهنمای نقد به عملکرد پایدار GAAP تبدیل کند. نتیجه قابل دفاع این نیست که استرا دفاع سایبری را ناممکن می‌کند یا هر فروشنده امنیت برنده است. نکته این است که توان سایبری مرزی، خودِ دروازه را به بخشی از محصول و اقتصاد آن تبدیل کرده: چه کسی دسترسی دارد، کدام ابزار اجرا می‌شود، مدرک کجا می‌ماند و چه کسی می‌تواند کار را متوقف کند.