سونار به برنامه شریک امنیت سایبری Daybreak اوپن‌ای‌آی پیوست و همکاری در امنیت عامل‌محور را گسترش داد
امروز سونار به برنامه شریک امنیت سایبری Daybreak اوپن‌ای‌آی پیوست و از دسترسی کنترل‌شده به مدل‌های پیشرفته مرزی در حوزه امنیت سایبری بهره‌مند شد. این برنامه همکاری و تعامل مداوم سونار با اوپن‌ای‌آی را عمیق‌تر می‌کند؛ همکاری‌ای که پس از حمایت سونار از فراخوان اوپن‌ای‌آی برای اقدام جمعی در دفاع سایبری ادامه یافته است. این همکاری امکان ارزیابی و استقرار مدل‌های هم‌سطح Daybreak را در محصولات سونار فراهم می‌کند.
مهاجمان سریع‌تر از آنچه بیشتر سامانه‌های دفاعی برای آن ساخته شده‌اند حرکت می‌کنند
هوش مصنوعی پیشرفته تنها توانایی مدافعان را تغییر نداده، بلکه قابلیت‌های مهاجمان را نیز افزایش داده است. گزارش M-Trends 2026 شرکت مندیانت میانگین زمان بهره‌برداری از آسیب‌پذیری‌ها را منفی ۷ روز برآورد می‌کند؛ یعنی حملات معمولاً پیش از آن‌که حتی وصله‌ای برای آسیب‌پذیری وجود داشته باشد آغاز می‌شوند. همین گزارش نشان می‌دهد فاصله زمانی میان دسترسی اولیه مهاجم و تصاحب کنترل توسط مهاجم دوم، از بیش از ۸ ساعت در سال ۲۰۲۲ به حدود ۲۲ ثانیه در زمان حاضر کاهش یافته است. از هر زاویه‌ای که به موضوع نگاه کنیم، زمانی که تیم‌های امنیتی برای یافتن و رفع یک نقص پیش از سوءاستفاده از آن در اختیار دارند، همچنان در حال کاهش است و این کاهش سریع‌تر از آن رخ می‌دهد که بیشتر فرایندهای بازبینی برای آن طراحی شده بودند.
بنابراین مزیت اصلی باید زودتر به دست آید؛ یعنی یافتن نقص‌ها پیش از انتشار کد، کاری که به سطحی از استدلال نیاز دارد که مهاجمان هم‌اکنون از آن استفاده می‌کنند. تیم‌های امنیتی باید با این سرعت هماهنگ شوند و برای این کار به همان هوش پیشرفته‌ای دسترسی نیاز دارند که چشم‌انداز تهدیدها را تغییر داده است.
آوردن امنیت مبتنی بر Daybreak به SonarQube Hunter Agent
SonarQube Hunter Agent یک پژوهشگر امنیتی عامل‌محور است که مانند یک مهاجم فکر می‌کند و مانند یک حسابرس گزارش می‌دهد. این ابزار مانند یک پژوهشگر ارشد امنیتی استدلال می‌کند، نه مدلی که به‌صورت تصادفی حدس بزند؛ راهنماهای ساختاریافته آن، دانش عمیق حوزه امنیت را با استدلال هدایت‌شده عامل‌محور ترکیب می‌کنند. این عامل با هماهنگ‌کردن گروهی از عامل‌ها که می‌توانند روی پایگاه‌های کدی با میلیون‌ها خط مقیاس پیدا کنند، نقص‌های منطقی‌ای را جست‌وجو می‌کند که تحلیل‌های مبتنی بر الگو هرگز برای یافتن آن‌ها طراحی نشده‌اند. هر یافته مشکوک پیش از گزارش بررسی و اعتبارسنجی می‌شود.
Daybreak استدلال پیشرفته امنیت سایبری را به این چارچوب اضافه می‌کند؛ از جمله مدل‌هایی که به‌طور ویژه برای امنیت سایبری ساخته شده‌اند. با در دسترس قرار گرفتن مدل‌های توانمندتر از طریق این برنامه، Hunter Agent همان چارچوب موجود خود را روی آن‌ها اجرا می‌کند: ساختار این چارچوب باعث ثبات و قابلیت حسابرسی خروجی می‌شود و مدل تعیین می‌کند این استدلال تا چه اندازه عمیق و دقیق باشد.
امروز با خرسندی اعلام می‌کنیم GPT-6.1 Sol، جدیدترین مدل از خانواده Daybreak، در Hunter Agent در دسترس قرار گرفته است و تفاوت آن در نتایج قابل مشاهده است. در پایگاه‌های کدی با اندازه ۱۷ هزار تا ۱.۴ میلیون خط، GPT-6.1 Sol به پوشش ۶۷ درصدی یافته‌های کامل دست یافت؛ یعنی ۲۰ درصد یافته کامل بیشتر نسبت به مدل تولیدی قبلی Hunter Agent. در بزرگ‌ترین پایگاه کدی آزمایش‌شده، ۹۴ درصد ورودی آن از زمینه ذخیره‌شده استفاده می‌کرد که امکان پردازش ۲.۴ برابر توکن ورودی بیشتر و تکمیل اسکن‌ها تا ۴۳ درصد سریع‌تر را فراهم کرد. استدلال عمیق‌تر فقط سریع‌تر نیست، بلکه موارد بیشتری را نیز شناسایی می‌کند: در یکی از آزمایش‌ها، Hunter Agent قابلیتی برای خروج داده را شناسایی کرد که در ظاهر مجوزها را به‌درستی بررسی می‌کرد، اما همچنان به کاربران اجازه می‌داد به اسرار تیم دیگری دسترسی پیدا کنند؛ دقیقاً نوعی نقص که تحلیل صرفاً مبتنی بر تطبیق الگو آن را از دست می‌دهد.
آوردن Daybreak به Gitar
دسترسی به Daybreak همچنین به Gitar، عامل هوش مصنوعی سونار برای تأیید کد، گسترش خواهد یافت. این قابلیت ابتدا برای بررسی مهارت‌های عامل‌های هوش مصنوعی در Gitar استفاده می‌شود؛ یعنی دستورالعمل‌ها و ابزارهایی که تعیین می‌کنند یک عامل چه کاری می‌تواند انجام دهد، از جمله دسترسی آن به اطلاعات محرمانه و کد خصوصی. تغییر ناامن در یک مهارت می‌تواند به‌طور پنهانی یک مرحله تأیید ضروری را حذف کند یا باعث افشای داده شود و مشکل ممکن است هم فایل دستورالعمل و هم اسکریپتی را که آن فایل اجرا می‌کند درگیر کند.
Gitar نسخه‌های مختلف یک فایل دستورالعمل را مقایسه می‌کند و زمانی را شناسایی می‌کند که خلاصه به‌روزشده یک مرحله تأیید ضروری را حذف کرده باشد؛ تغییری که بررسی صرفاً مبتنی بر الگوی دستور انتشار ممکن است آن را از دست بدهد. این ابزار دستورالعمل‌های مخزن را به‌عنوان شواهد غیرقابل اعتماد در نظر می‌گیرد، محتوای مشکوک را بدون اجرای آن بررسی می‌کند و هر مشکل احتمالی را پیش از رسیدن به یک درخواست ادغام اعتبارسنجی می‌کند.
تأیید مستقل، پاسخ به عصر عامل‌های هوش مصنوعی است
با تولید سریع‌تر کد توسط عامل‌های هوش مصنوعی، سطح حمله ممکن است سریع‌تر از توان دفاع تیم‌های امنیتی رشد کند. هوش پیشرفته می‌تواند توانایی تیم‌های امنیتی را افزایش دهد، اما تنها زمانی که در چارچوبی اجرا شود که نتایج را دقیق، تکرارپذیر و قابل حسابرسی نگه دارد. Hunter Agent این ساختار را فراهم می‌کند: دانش امنیت کد سونار، راهنماهای ساختاریافته و اعتبارسنجی هر یافته مشکوک پیش از تبدیل شدن آن به یک مسئله.
عصر عامل‌های هوش مصنوعی به سریع‌ترین پذیرنده هوش مصنوعی پاداش نمی‌دهد؛ بلکه به کسانی پاداش می‌دهد که ضعف‌هایی را که مهاجمان می‌توانند از آن‌ها سوءاستفاده کنند، پیش از رسیدن نرم‌افزار به محیط تولید حذف کنند و همچنان ریسک‌های موجود در کد را کاهش دهند. این همان استانداردی است که سونار در حال ساخت آن است و Daybreak به این شرکت کمک می‌کند با سرعت مرزهای فناوری به توسعه آن ادامه دهد.
با عمیق‌تر شدن همکاری با اوپن‌ای‌آی و در دسترس قرار گرفتن مدل‌های جدید از طریق این برنامه، سونار به‌صورت خودکار آن‌ها را ارزیابی و یکپارچه خواهد کرد. این شرکت انتظار دارد همین دسترسی در آینده به محصولات بیشتری از سونار گسترش یابد و همان توانایی استدلال پیشرفته را در تمام مسیر از شناسایی تا اصلاح مشکلات فراهم کند.