بَوندلس به‌طور رسمی «دسترسی دفاعی» را راه‌اندازی کرد: ارائه مدل‌های هوش مصنوعی اختصاصی به تیم‌های مجاز برای کمک به مقامات امنیتی در مقابله با افزایش حملات.
Tapbit Wireمنبع: بَوندلس
ارائه‌دهنده سرویس استنتاج هوش مصنوعی بَوندلس امروز راه‌اندازی «دسترسی دفاعی بَوندلس» را اعلام کرد؛ برنامه‌ای که دسترسی تیم‌های امنیتی تأییدشده را به مدل‌های «ابلیترِیتد» (کم‌انکار) تنظیم‌شده برای تحقیقات امنیتی فراهم می‌کند. اولین مدل در دسترس، نسخه تحقیقات امنیتی مدل منبع‌باز DeepSeek V4.1 Flash 1017 است. هدف این برنامه حل چالش قدیمیِ مقامات امنیتی است: مدل‌های عمومی هوش مصنوعی اغلب درخواست‌های مشروع آزمون امنیتی که شبیه الگوهای حمله هستند را رد می‌کنند، درحالی‌که مهاجمان با چنین محدودیتی روبه‌رو نیستند.
مقامات امنیتی نباید در ابزارها عقب بمانند
صنعت امنیت با حجم بی‌سابقه‌ای از حملات روبه‌روست. آزمون نفوذ، تأیید آسیب‌پذیری‌ها و شبیه‌سازی حملات به‌طور ذاتی نیازمند این است که مقامات امنیتی مانند مهاجمان فکر کنند. اما چنین درخواست‌هایی از نظر شکل ظاهری شبیه حملات واقعی هستند و حتی زمانی که تیم‌های امنیتی سیستم‌های متعلق به خود را آزمون می‌کنند و مجاز به ارزیابی آن‌ها هستند، مدل‌های عمومی اغلب از کمک کردن خودداری می‌کنند.
این وضعیت منجر به شده که مهاجمان بتوانند مدل‌های منبع‌باز را به‌صورت مستقل راه‌اندازی و تغییر دهند، درحالی‌که تیم‌های دفاعی متعهد به قوانین در سطح ابزارها عقب‌افتاده‌اند. هدف «دسترسی دفاعی» این است که قابلیت‌های هوش مصنوعی معادل را تحت شرایط پذیرش سخت‌گیرانه‌ای در اختیار مقامات امنیتی قرار دهد.
اولین مدل: DeepSeek V4.1 Flash 1017
نتایج اولیه آزمون‌های منتشرشده توسط شرکت مستقل ارزیابی Vals AI در ۲۰ اکتبر نشان می‌دهد که نسخه استاندارد DeepSeek V4.1 Flash 1017 در وظایف چندمرحله‌ای امنیت سایبری مبتنی بر شبکه‌های شبیه‌سازی‌شده سازمانی، عملکردی بهتر از GPT-6 Sol دارد. بَوندلس نسخه تحقیقات امنیتی این مدل را ارائه می‌دهد که انکارهای غیرضروری در سناریوهای آزمون امنیتی مشروع را کاهش می‌دهد.
برای پاسخگویی به نیازهای وظایف امنیتی با دقت بالا و بلادرنگ، بَوندلس پشتیبانی عملکردی استنتاجی پیشرو در صنعت ارائه می‌کند:
بیش از ۳۰۰ توکن/ثانیه: پاسخ‌های فوق‌سریع برای عامل‌های اتوماسیون امنیتی و ابزارهای آزمون نفوذ بلادرنگ.
بالاترین نرخ توان عملیاتی: در دروازه هوش مصنوعی ورسل (Vercel AI Gateway) با ۳۴۹٫۹۰ توکن/ثانیه اندازه‌گیری شده و رتبه اول جهانی را دارد.
میزبانی سطح سازمانی: از تیم‌های امنیتی بار نصب و نگهداری مدل‌های بزرگ را برمی‌دارد و عملکرد پایدار ۲۴ ساعته در روز را تضمین می‌کند.
«محدودیت‌های ایمنی مدل‌های سنتی اغلب عکس‌العمل نامطلوبی دارند و به‌طور طنزآمیزی افرادی را که واقعاً می‌خواهند اقدامات حفاظتی انجام دهند، مسدود می‌کنند»، تیم بَوندلس اعلام کرد. «با «دسترسی دفاعی»، ما مقامات امنیتی را با قابلیت‌های بدون محدودیت مدل‌های پیشرفته مجهز می‌کنیم که توسط موتور استنتاجی فوق‌سریع و پرتوان رانده می‌شوند.»
چهار سناریوی کلیدی کاربردی و مکانیسم اجرا
«دسترسی دفاعی بَوندلس» بر چهار سناریوی دفاعی تمرکز دارد:
بازبینی کد: شناسایی و تأیید آسیب‌پذیری‌های امنیتی بالقوه قبل از راه‌اندازی سیستم‌ها.
آزمون دفاعی: شبیه‌سازی تاکتیک‌های واقعی هکرها برای شناسایی نقاط کور در شبکه‌های دفاعی موجود.
آزمون نفوذ: انجام بررسی عمیق سیستم‌ها در محدوده‌ی مجاز و تأیید راهکارهای رفع آسیب‌پذیری.
آزمون کاربردهای هوش مصنوعی: ارزیابی قابلیت‌های دفاعی کاربردهای هوش مصنوعی در برابر ورودی‌های مخرب و دستورات دور زدن امنیتی.
برای اطمینان از استفاده‌ی ایمن و مسئولانه از فناوری، «دِفِنسیو اکسس» فرآیند بازبینی سخت‌گیرانه‌ای برای برنامه‌ها اعمال می‌کند. هر تیم درخواست‌دهنده باید ابتدا از فرآیند ارزیابی انطباق عبور کند تا اطمینان حاصل شود که مدل‌ها صرفاً برای تحقیقات امنیتی مطابق با استانداردها، تمرین‌های تیم قرمز و آزمون‌های نفوذ به کار گرفته می‌شوند. همچنین، برای سازمان‌هایی با نیازهای خاص، تیم «بوندلس» امکان استقرار سفارشی سایر مدل‌های منبع‌باز ابلیتریتد را نیز فراهم می‌کند.
نحوه‌ی ارسال درخواست
دسترسی دفاعی بوندلس از امروز به‌صورت رسمی برای دریافت درخواست‌ها باز شده است. متخصصان امنیتی و تیم‌های سازمانی می‌توانند برای ارسال درخواست به وب‌سایت رسمی مراجعه کنند.
درباره‌ی بوندلس
بوندلس یک پلتفرم زیرساختی با کارایی بالا برای استنتاج هوش مصنوعی، متمرکز بر مدل‌های منبع‌باز است و به‌طور تخصصی خدمات میزبانی و استنتاج مدل با تأخیر بسیار کم و توان عملیاتی بالا را برای سازمان‌ها و تیم‌های توسعه‌دهنده‌ی مبتنی بر هوش مصنوعی ارائه می‌دهد.
این مقاله محتوای ارسالی است و دیدگاه بلوك‌بیتس را منعکس نمی‌کند.
