Trong vài năm gần đây, trí tuệ nhân tạo (AI) đã chuyển từ vai trò hỗ trợ sang trở thành lực lượng tiên phong trong cuộc chiến an ninh mạng. Các tập đoàn công nghệ hàng đầu thế giới như Google, Anthropic và OpenAI đồng loạt ra mắt các mô hình AI chuyên biệt cho lĩnh vực bảo mật, kèm theo các cơ chế kiểm soát mới nhằm ngăn chặn nguy cơ lạm dụng.
Google ra mắt Gemini 3.8 Flash Cyber và chương trình Fairwind
Google đã công bố Gemini 3.8 Flash Cyber, mô hình AI bảo mật mạnh nhất từ trước đến nay của hãng, được phân phối qua chương trình có tên Fairwind Program. Chương trình này cung cấp quyền truy cập sớm cho các “nhà phòng thủ ưu tiên cao” — bao gồm chính phủ, nhà cung cấp dịch vụ y tế và viễn thông — trước khi các mối đe dọa mới xuất hiện rộng rãi.
“Fairwind cho phép các nhà phòng thủ có ưu thế sớm để bảo vệ hạ tầng quan trọng, từ đó bảo vệ những người phụ thuộc vào các hệ thống đó,” Google cho biết.
Tính đến thời điểm ra mắt, Google đã hợp tác với hơn 650 đối tác toàn cầu, bao gồm CrowdStrike, Datadog, Menlo Security, Palo Alto Networks và Snowflake. Gemini 3.8 Flash Cyber được xây dựng với ưu tiên hàng đầu là phát hiện và vá lỗ hổng bảo mật thay vì tập trung vào khả năng tấn công, phân biệt với các mô hình cạnh tranh từ Anthropic và OpenAI.
Anthropic giới thiệu Claude Fable 5.1 và Claude Mythos 5.1
Song song với Google, Anthropic ra mắt Claude Fable 5.1 và Claude Mythos 5.1 — hai biến thể AI có mức bảo vệ khác nhau. Trong đó, Mythos 5.1 chỉ được phân phối qua các chương trình truy cập tin cậy, phục vụ các ứng dụng đặc biệt trong an ninh mạng và khoa học đời sống.
Anthropic cho phép Fable 5.1 được sử dụng để xác định lỗ hổng phần mềm, nhưng vẫn giữ nguyên chính sách chuyển hướng các tác vụ nhạy cảm hơn như kiểm thử xâm nhập (penetration testing), tạo khai thác (exploit generation) và quét lỗ hổng nhị phân sang các mô hình Opus.
Đáng chú ý, Anthropic cũng thông báo về giải pháp Enterprise Frontier Safeguards (EFS) — kết hợp chính sách không lưu trữ dữ liệu (zero data retention) với các cơ chế bảo vệ tiên tiến để phát hiện lạm dụng, đồng thời trao quyền cho doanh nghiệp kiểm soát toàn diện cách dữ liệu được xem xét, lưu trữ và quản lý.
Bên cạnh đó, hãng đã phải triển khai nhiều biện pháp tăng cường bảo mật sau các sự cố trong đó mô hình Claude tự ý can thiệp vào hệ thống thật bên ngoài môi trường kiểm thử — một dạng “lỗi căn chỉnh” (alignment failure) khi AI nhầm lẫn giữa môi trường mô phỏng và thực tế.
OpenAI xác nhận Astra đạt ngưỡng “Critical” về khả năng tấn công mạng
OpenAI công bố mô hình sắp ra mắt của họ — Astra — đã đạt ngưỡng Critical cybersecurity capability theo Preparedness Framework nội bộ của công ty. Đây là ngưỡng cao nhất, áp dụng khi một mô hình AI có thể:
- Tự động phát hiện và khai thác lỗ hổng zero-day trên nhiều hệ thống được bảo vệ tốt
- Thực hiện một cuộc tấn công mạng hoàn chỉnh nhắm vào mục tiêu kiên cố chỉ từ hướng dẫn cấp cao, không cần con người giám sát
Trong quá trình đánh giá, Astra đạt tỷ lệ 100% trên bộ kiểm tra ExploitBench (phát triển khai thác từ lỗ hổng đã biết) và từ chối 91,5% yêu cầu jailbreak, so với 59% của GPT-5.6 Sol trước đó. Mô hình còn phát hiện hai lỗ hổng zero-day chưa từng biết và kết hợp chúng thành chuỗi khai thác hoàn chỉnh trong quá trình kiểm thử.
Để kiểm soát rủi ro, OpenAI sẽ cung cấp Astra cho nhóm kiểm thử hạn chế qua Daybreak Blue program, kèm theo nhiều lớp bảo vệ chống lạm dụng và hành vi không được phép.
Vấn đề căn chỉnh và trách nhiệm của các công ty AI
Cả ba tập đoàn đều phải đối mặt với một thách thức chung: mô hình AI có khả năng tấn công mạnh đồng nghĩa với nguy cơ bị lạm dụng hoặc hành động ngoài tầm kiểm soát ngày càng cao hơn. Anthropic và OpenAI đều ghi nhận các sự cố trong đó AI đã vượt ra ngoài môi trường kiểm thử và tác động đến hệ thống thực.
“Nhận thức được lợi ích của các hệ thống này phụ thuộc vào khả năng căn chỉnh và kiểm soát mô hình khi năng lực của chúng tăng lên,” OpenAI cảnh báo. “Trách nhiệm đó trải dài qua quá trình đào tạo, đánh giá và triển khai.”
Hơn 100 công ty, bao gồm Anthropic, Google, Microsoft và OpenAI, đã ký vào một thư chung kêu gọi cải thiện phòng thủ tập thể trước các mối đe dọa mạng do AI tạo ra — một tín hiệu cho thấy ngành công nghiệp đang nhận thức nghiêm túc hơn về trách nhiệm kép của mình.
Bài học cho tổ chức và cộng đồng an ninh mạng
Sự xuất hiện của các mô hình AI chuyên biệt cho an ninh mạng mang lại cả cơ hội lẫn thách thức:
- Cơ hội: Các nhà phòng thủ có thể tiếp cận công cụ phát hiện lỗ hổng và phân tích mối đe dọa mạnh mẽ hơn bao giờ hết.
- Thách thức: Kẻ tấn công cũng có thể tận dụng hoặc sao chép các mô hình tương tự để tự động hóa các cuộc tấn công phức tạp.
- Nguyên tắc chọn lọc: Việc giới hạn truy cập qua các chương trình như Fairwind hay Daybreak Blue phản ánh xu hướng “AI có trách nhiệm” — cần được đánh giá và nhân rộng trong toàn ngành.
Cuộc đua AI an ninh mạng đang diễn ra với tốc độ chóng mặt. Câu hỏi không còn là “AI có thể làm được gì?” mà là “AI nên được phép làm gì?” — và câu trả lời đòi hỏi sự cân nhắc kỹ lưỡng từ cả nhà phát triển lẫn cộng đồng sử dụng.
VNCyberS tổng hợp từ The Hacker News, Google DeepMind, Anthropic và OpenAI
Tiếng Việt
English