Του Χρήστου Ξενάκη, Καθηγητή Κυβερνοασφάλειας, Πανεπιστήμιο Πειραιώς. Αρχηγός της Εθνικής Ομάδας Κυβερνοασφάλειας
Η κυβερνοασφάλεια μπαίνει σε μια νέα, πολύ πιο απαιτητική φάση. Μέχρι πρόσφατα, η τεχνητή νοημοσύνη λειτουργούσε κυρίως ως βοηθός των ομάδων ασφάλειας: έγραφε κανόνες ανίχνευσης, συνόψιζε συναγερμούς, βοηθούσε στην ανάλυση logs ή στην παραγωγή ασφαλέστερου κώδικα.
Η έλευση του Claude Mythos 5 της Anthropic, αλλά και άλλων εξειδικευμένων AI συστημάτων κυβερνοασφάλειας, δείχνει ότι η αγορά περνά από το “AI ως εργαλείο παραγωγικότητας” στο “AI ως αυτόνομο cyber reasoning σύστημα”. Η Anthropic παρουσιάζει το Mythos 5 ως το πιο ικανό της μοντέλο για cybersecurity και biology research, διαθέσιμο προς το παρόν μόνο σε περιορισμένο αριθμό ελεγμένων συνεργατών λόγω του ρίσκου που προκαλεί η διπλή χρήση του.
Η διαφορά δεν είναι απλώς ποσοτική, αλλά ποιοτική. Σύμφωνα με την Anthropic, το Mythos Preview έδειξε ικανότητα να εντοπίζει και να αξιοποιεί zero-day ευπάθειες σε μεγάλα λειτουργικά συστήματα και browsers, ενώ μπορεί να συνδέει τεχνικές εκμετάλλευσης, reconnaissance και lateral movement. Με άλλα λόγια, δεν μιλάμε πια για ένα chatbot που δίνει συμβουλές σε έναν αναλυτή, αλλά για μοντέλα που μπορούν να λειτουργήσουν σαν junior ή και mid-level vulnerability researchers, με ταχύτητα και κλίμακα που δεν είναι ανθρώπινη.
Η ανεξάρτητη αξιολόγηση του βρετανικού AI Security Institute ενισχύει αυτή την εικόνα. Στα CTF benchmarks, το Mythos Preview κατέγραψε υψηλές επιδόσεις ακόμα και σε expert-level tasks, ενώ σε προσομοίωση εταιρικού δικτύου 32 βημάτων ήταν το πρώτο μοντέλο που ολοκλήρωσε την άσκηση από την αρχή ως το τέλος σε ορισμένες προσπάθειες. Αυτό είναι κρίσιμο, γιατί η πραγματική επίθεση δεν είναι ένα μεμονωμένο exploit. Είναι αλυσίδα αποφάσεων: αναγνώριση, αρχική πρόσβαση, κλιμάκωση δικαιωμάτων, pivoting, persistence και τελικά επίτευξη στόχου. Η επίδραση στο παγκόσμιο οικοσύστημα είναι άμεση. Από τη μία πλευρά, οι αμυνόμενοι αποκτούν όπλα που μπορούν να μειώσουν δραστικά τον χρόνο εντοπισμού ευπαθειών.
Το Project Glasswing της Anthropic, με συμμετοχή μεγάλων εταιρειών τεχνολογίας και ασφάλειας, έχει στόχο να εφαρμόσει αυτές τις δυνατότητες στην άμυνα κρίσιμου λογισμικού και ανοιχτού κώδικα υποδομών. Η ίδια η Anthropic ανέφερε ότι ήδη έχουν γίνει εκατοντάδες αποκαλύψεις για high ή critical ευπάθειες, αλλά και ότι οι πάροχοι αντιμετωπίζουν συμφόρηση, καθώς η ανακάλυψη bugs γίνεται πιο γρήγορη από τη δυνατότητα επιδιόρθωσής τους. Από την άλλη πλευρά, το ίδιο τεχνολογικό άλμα μειώνει το κόστος της επίθεσης.
Όταν ένα μοντέλο μπορεί να βοηθήσει στην κατανόηση κώδικα, στη δημιουργία exploit ή στην αυτοματοποίηση reconnaissance, τότε οι λιγότερο έμπειροι επιτιθέμενοι αποκτούν δυνατότητες που μέχρι χθες απαιτούσαν εξειδικευμένη ομάδα. Η Google Threat Intelligence Group προειδοποιεί ήδη για μετάβαση από απλή AI-assisted δραστηριότητα σε πιο βιομηχανική χρήση γενετικών μοντέλων από αντιπάλους, συμπεριλαμβανομένης της υποβοήθησης σε ανάπτυξη exploits και αυτόνομων κακόβουλων workflows.
Το Mythos δεν είναι μεμονωμένο φαινόμενο. Η Google έχει παρουσιάσει το Sec-Gemini v1, ένα πειραματικό μοντέλο για cybersecurity που συνδυάζει δυνατότητες Gemini με near real-time cyber knowledge και εργαλεία, με έμφαση σε threat analysis, root cause analysis και vulnerability impact understanding. Παράλληλα, το Big Sleep της Google Project Zero και DeepMind εντόπισε πραγματική ευπάθεια στο SQLite πριν αυτή φτάσει σε επίσημη έκδοση, δείχνοντας την αμυντική αξία των AI agents στην προληπτική έρευνα ευπαθειών.
Η Microsoft κινείται επίσης στην ίδια κατεύθυνση με το MDASH, ένα multi-model agentic scanning harness που, σύμφωνα με την εταιρεία, ενορχηστρώνει πάνω από 100 εξειδικευμένους AI agents για ανακάλυψη, επικύρωση και απόδειξη εκμεταλλευσιμότητας σε βάσεις κώδικα. Η στρατηγική σημασία είναι σαφής: το ανταγωνιστικό πλεονέκτημα δεν θα βρίσκεται μόνο στο “καλύτερο μοντέλο”, αλλά στο σύστημα γύρω από αυτό — δεδομένα, εργαλεία, permissions, αξιολόγηση, ανθρώπινη επίβλεψη και ενσωμάτωση στις ροές εργασίας των προγραμματιστών.
Για startups και scaleups, το μήνυμα είναι διπλό. Πρώτον, η ασφάλεια πρέπει να μετακινηθεί πιο νωρίς στον κύκλο ανάπτυξης: secure-by-design, automated code review, dependency hygiene, γρήγορο patching και runtime monitoring. Δεύτερον, οι ίδιες οι AI εφαρμογές χρειάζονται νέο threat model: prompt injection, data leakage, agent permissions, supply-chain risks σε plugins και αξιολόγηση των actions που εκτελεί ένας agent.
Η επόμενη αγορά κυβερνοασφάλειας δεν θα είναι απλώς αγορά εργαλείων SIEM, EDR ή scanners. Θα είναι αγορά AI-augmented cyber operations. Οι εταιρείες που θα κερδίσουν δεν θα είναι αναγκαστικά όσες υιοθετήσουν πρώτες το πιο ισχυρό μοντέλο, αλλά όσες χτίσουν διαδικασίες που μετατρέπουν τη νοημοσύνη του μοντέλου σε ασφαλή, ελεγχόμενη και γρήγορη επιχειρησιακή δράση.
Το Mythos λειτουργεί ως σημείο καμπής: δείχνει ότι η κυβερνοασφάλεια γίνεται πλέον αγώνας ταχύτητας μεταξύ αυτόνομων συστημάτων. Και σε αυτόν τον αγώνα, η ανθρώπινη κρίση δεν εξαφανίζεται· γίνεται το επίπεδο διακυβέρνησης που καθορίζει αν η AI θα γείρει την πλάστιγγα προς την άμυνα ή προς την επίθεση.
Το άρθρο δημοσιεύτηκε για πρώτη φορά στο Startupper MAG #75
