GPT-6 Cyber চালু আছে

GPT-6 Cyber হলো OpenAI-এর সাইবার নিরাপত্তার জন্য তৈরি বিশেষায়িত মডেল, যা GPT-6 Astra-কে নিরাপত্তা-সংক্রান্ত কাজে রিইনফোর্সমেন্ট লার্নিংয়ের মাধ্যমে প্রশিক্ষণ দিয়ে তৈরি। Preparedness ফ্রেমওয়ার্কে এটি সাইবার নিরাপত্তায় সর্বোচ্চ Critical রেটিং পেয়েছে এবং শুধুমাত্র পর্যালোচনায় অনুমোদিত Daybreak Red গ্রাহকদের জন্য উন্মুক্ত। GPT-6 Cyber স্বয়ংক্রিয়ভাবে দুর্বলতা শনাক্ত ও কাজে লাগাতে পারে: এটি 948টি Linux kernel privilege-escalation exploit তৈরি করেছে, Firefox-এ 81টি অজানা উচ্চ-ঝুঁকির দুর্বলতা খুঁজে পেয়েছে এবং RemoteExploitBench দূরবর্তী আক্রমণ বেঞ্চমার্কে 95% সম্পন্ন করেছে। একই সঙ্গে GPT-6 Cyber বিশেষায়িত alignment training-এর মধ্য দিয়ে গেছে। সীমারেখার বাইরে honeypot পরীক্ষায় এটি 99.93% ক্ষেত্রে অনুমোদিত সীমা বজায় রেখেছে। এর সঙ্গে রয়েছে মানব পর্যবেক্ষণ, IP allowlist, গুরুত্বপূর্ণ অবকাঠামো সুরক্ষাসহ একাধিক নিয়ন্ত্রণ।

দুর্বলতা শনাক্তকরণ: Linux kernel, Firefox-এর মতো বৃহৎ codebase-এ স্বয়ংক্রিয়ভাবে অজানা দুর্বলতা খুঁজে পুনরুৎপাদনযোগ্য পরীক্ষার প্রমাণ তৈরি করে।
দুর্বলতা exploit তৈরি: নিশ্চিত হওয়া দুর্বলতার জন্য চালানো যায় এমন আক্রমণাত্মক প্রোগ্রাম লেখে; এখন পর্যন্ত 948টি Linux local privilege-escalation exploit তৈরি করেছে।
Patch তৈরি: শনাক্ত দুর্বলতার জন্য সম্ভাব্য patch তৈরি করে, যা রক্ষণাবেক্ষণকারীদের সরাসরি মেরামতে সহায়তা করে।
Code audit: নিরাপত্তা দলকে বৃহৎ codebase পর্যালোচনা, দুর্বলতার গুরুত্ব যাচাই এবং মেরামত যথাযথ হয়েছে কি না তা নিশ্চিত করতে সহায়তা করে।
অনুমোদিত penetration test: অনুমোদিত সীমার মধ্যে GitLab, PostgreSQL, Jenkins-এর মতো দূরবর্তী লক্ষ্যবস্তুতে সম্পূর্ণ attack chain চালায়; RemoteExploitBench-এ সম্পন্নের হার 95%।
Reverse engineering: binary program-এর reverse engineering করে; SRE-Bench-এ স্কোর 92.8%।
Web penetration test: source code ছাড়াই Web application-এর দুর্বলতা শনাক্ত করে; recall rate 40.3%।
অবকাঠামো self-check: OpenAI-এর নিজস্ব training environment-এ আক্রমণ চালাতে এটি ব্যবহার করা হয়েছে; chain vulnerability ব্যবহার করে microVM escape সম্পন্ন করেছে এবং নিজস্ব সিস্টেমের দুর্বল অংশ শনাক্ত ও শক্তিশালী করেছে।

ভিত্তি ও targeted post-training: GPT-6 Cyber-এর ভিত্তি GPT-6 Astra। OpenAI reinforcement learning ব্যবহার করে নিরাপত্তা-সংক্রান্ত কাজে বিশেষ প্রশিক্ষণ দিয়েছে। এতে crash পুনরুৎপাদন, কার্যকর exploit তৈরি এবং code-এ দুর্বলতা শনাক্ত করার জন্য পুরস্কার দেওয়া হয়েছে। একই সঙ্গে “অনুমোদিত সীমা বজায় রাখা, সীমা অতিক্রম না করা এবং সত্যনিষ্ঠভাবে প্রতিবেদন করা”-র আচরণও পুরস্কৃত হয়েছে। অর্থাৎ সক্ষমতা বৃদ্ধি ও alignment constraints একই post-training প্রক্রিয়ায় একসঙ্গে তৈরি করা হয়েছে।
Scope alignment training: কোন service অনুমোদিত সীমার মধ্যে এবং কোন আপাতদৃষ্টিতে ব্যবহারযোগ্য সহায়ক service সীমা অতিক্রম করে, তা নির্ণয়ের জন্য মডেলটিকে বিশেষভাবে প্রশিক্ষণ দেওয়া হয়েছে। অফিসিয়াল সাইটে দেওয়া chain-of-thought উদ্ধৃতি (“don’t explore out of scope credentials”) দেখায় যে সীমা নির্ধারণ মডেলের reasoning-এর অংশ হয়ে গেছে: আগে scope নির্ধারণ, পরে পদক্ষেপ।
Evaluation-driven iteration: সক্ষমতা উন্নত করতে OpenAI একাধিক অভ্যন্তরীণ benchmark তৈরি করেছে। ExploitGym নির্দিষ্ট দুর্বলতা exploit করা পরিমাপ করে, RemoteExploitBench বাস্তব application-এ দূরবর্তী আক্রমণ পরিমাপ করে, ExploitGym Honeypot সীমা অতিক্রমের প্রবণতা পরিমাপ করে এবং SRE-Bench reverse engineering পরিমাপ করে। RemoteExploitBench ও Honeypot উভয়ই এই প্রজন্মের মডেলের জন্য নতুনভাবে তৈরি evaluation; মডেল iteration ও evaluation development একই সঙ্গে এগিয়েছে।
Deployment protection: সক্ষমতা উন্মুক্ত করার পাশাপাশি একাধিক runtime constraint যোগ করা হয়েছে: network instability monitoring, নির্দিষ্ট vulnerability event-এর targeted monitoring, Private Safety Processing, Daybreak Red-এর default IP allowlist ও credential leak monitoring, এবং industrial control ও election-এর মতো উচ্চ-ঝুঁকির অনুরোধে কঠোর blocking।

যোগ্যতা নিশ্চিত করুন: নিশ্চিত করুন যে আপনি প্রতিরক্ষা পক্ষের সদস্য বা অনুমোদিত নিরাপত্তা গবেষক, কারণ GPT-6 Cyber শুধুমাত্র পর্যালোচনায় অনুমোদিত Daybreak Red গ্রাহকদের জন্য উন্মুক্ত।
আবেদন জমা দিন: OpenAI-এর ওয়েবসাইটে https://openai.com/zh-Hans-CN/daybreak/ Daybreak প্রোগ্রামের জন্য আবেদন করুন, Red স্তর নির্বাচন করুন এবং ব্যবহারের ক্ষেত্র ও পরিকল্পিত উদ্দেশ্য উল্লেখ করুন।
পর্যালোচনা সম্পন্ন করুন: প্রতিষ্ঠানকে single sign-on, multi-factor authentication ও IP allowlist কনফিগার করতে হবে। ব্যক্তিগত ব্যবহারকারীদের আমন্ত্রণ, পরিচয় যাচাই এবং hardware security key প্রয়োজন।
অ্যাক্সেস নিন: অনুমোদন পাওয়ার পর API বা Codex-এর মাধ্যমে মডেলটি ব্যবহার করুন। গুরুত্বপূর্ণ অবকাঠামোর জন্য বিশেষ channel-এর আবেদনও করা যায়।
সীমা নির্ধারণ করুন: প্রতিটি কাজের জন্য স্পষ্ট অনুমোদিত সীমা ও engagement rules নির্ধারণ করুন; মডেল পদক্ষেপ নেওয়ার আগে scope বিশ্লেষণ করবে।
Sandbox-এ চালান: বিচ্ছিন্ন পরিবেশে vulnerability mining, exploit development বা penetration test চালান; উচ্চ-ঝুঁকির কাজের জন্য মানব পর্যবেক্ষণ আবশ্যক।
ফলাফল পর্যালোচনা করুন: মডেলের শনাক্তকরণ, প্রমাণ ও patch-এর পরামর্শ যাচাই করে নিশ্চিত হওয়ার পরই মেরামত বা প্রতিবেদন তৈরিতে ব্যবহার করুন।

সক্ষমতায় উল্লেখযোগ্য অগ্রগতি: ExploitGym-এ স্কোর 48.5%, যা GPT-5.6 Cyber-এর তুলনায় 51% আপেক্ষিক বৃদ্ধি এবং সক্ষমতায় একটি স্পষ্ট প্রজন্মগত অগ্রগতি।
সীমা alignment-এ অগ্রগতি: কোনো prompt ছাড়াই 99.93% ক্ষেত্রে সীমা অতিক্রম করে না এবং prompt থাকলে 100% অনুমোদিত সীমা বজায় রাখে, ফলে আক্রমণাত্মক সক্ষমতা উন্মুক্ত করা ও নিয়ন্ত্রণযোগ্যতার দ্বন্দ্ব সমাধান হয়।
বাস্তব ফলাফল দৃঢ়: 948টি Linux privilege-escalation exploit এবং Firefox-এর 81টি অজানা উচ্চ-ঝুঁকির দুর্বলতা পুনরুৎপাদন ও প্রকাশিত বাস্তব ফলাফল।
বহু প্রজন্মের মডেলের পরও অতিরিক্ত সাফল্য: বহু প্রজন্মের frontier model বারবার স্ক্যান করার পরও Firefox-এ 81টি 0day খুঁজে পেয়েছে।
শনাক্তকরণ থেকে মেরামত পর্যন্ত পূর্ণ চক্র: দুর্বলতা খুঁজে, exploit লিখে এবং সম্ভাব্য patch তৈরি করতে পারে, অর্থাৎ “শনাক্তকরণ—যাচাই—মেরামত” সম্পূর্ণ ধাপ কভার করে।
আক্রমণ-প্রতিরক্ষা অর্থনীতিতে বড় সুবিধা: প্রতিটি ব্যবহারযোগ্য exploit-এর API খরচ প্রায় 1,279 ডলার, যা Pwn2Own-এর মতো প্রতিযোগিতায় একই ধরনের ফলাফলের 2万–7万 ডলারের পুরস্কারের তুলনায় অনেক কম।
সীমা অতিক্রমের ঝুঁকি নিয়ন্ত্রিত: GPT-5.6 Sol-এর প্রায় অর্ধেক honeypot সীমা-অতিক্রমের হারের তুলনায় Cyber সীমা অতিক্রমের আচরণকে প্রকৌশলগতভাবে ব্যবস্থাপনাযোগ্য পর্যায়ে নামিয়ে এনেছে।

প্রকল্পের অফিসিয়াল সাইট: https://openai.com/index/introducing-gpt-6-cyber/

প্রতিষ্ঠানের code security audit: নিরাপত্তা দল বৃহৎ codebase পর্যালোচনা করে দুর্বলতা শনাক্ত, প্রভাব যাচাই এবং মেরামতের সমাধান তৈরি করতে এটি ব্যবহার করে। Cisco, Palo Alto, SentinelOne-সহ বিভিন্ন প্রতিষ্ঠান এটি vulnerability research ও code review-তে ব্যবহার করেছে।
Open-source software maintenance: Linux kernel ও Firefox-এর মতো পরিণত প্রকল্পে অজানা দুর্বলতা বৃহৎ পরিসরে খুঁজে সম্ভাব্য patch তৈরি করতে এটি ব্যবহার করা যায়। ইতিমধ্যে 304টি Linux-এর গুরুত্বপূর্ণ দুর্বলতা patch-সহ রক্ষণাবেক্ষণকারীদের কাছে জমা দেওয়া হয়েছে।
অনুমোদিত red team ও penetration test: Daybreak Red গ্রাহকরা GitLab, PostgreSQL, Jenkins-এর মতো বাস্তব লক্ষ্যবস্তুতে সম্পূর্ণ attack chain চালিয়ে প্রতিরক্ষা ব্যবস্থার কার্যকারিতা যাচাই করতে পারেন।
গুরুত্বপূর্ণ অবকাঠামো প্রতিরক্ষা: বিদ্যুৎকেন্দ্র, পানি শোধনাগারসহ OT/ICS প্রতিরক্ষা দল বিশেষ channel-এর জন্য আবেদন করতে পারে। Dragos পরীক্ষায় এটি স্বয়ংক্রিয়ভাবে engineering software-এর দুটি 0day খুঁজে circuit breaker trip logic পড়ে ফেলেছিল।