Il recente attacco informatico subito da Hugging Face da parte di agenti autonomi di OpenAI ha segnato un punto di svolta nella percezione della sicurezza informatica basata sull’intelligenza artificiale. Mentre le grandi aziende chiedono un rallentamento nello sviluppo dei modelli più avanzati, alcuni attori hanno deciso di difendersi con l’aiuto della stessa IA, creando strumenti che operano interamente all’interno dei propri data center.
Altar: la risposta di Aikido
Tra le soluzioni più innovative spicca Altar, il nuovo modello open source di Aikido progettato per scoprire vulnerabilità in software. A differenza della precedente Aikido Machine, che si affidava a modelli cloud di terze parti, Altar può funzionare su qualsiasi infrastruttura aziendale senza inviare codice o documentazione sensibile su internet.
Motivazioni e contesto
Le organizzazioni dei settori bancario, sanitario e industriale non possono permettersi di condividere internamente il proprio codice con fornitori esterni per motivi di privacy e conformità normativa. La dipendenza da modelli basati sul cloud rappresentava quindi un ostacolo significativo, soprattutto quando si trattava di analisi di sicurezza critica.
Scelta del modello di base
Aikido ha scelto di basare Altar su GLM‑5.3, la potente IA cinese di codice aperto che compete con Claude Opus. Questo modello è riconosciuto per le sue ottime prestazioni in compiti di cybersecurity, ma nella sua versione completa occupa circa 1,5 terabyte, rendendolo poco pratico per un utilizzo locale.
Strategie di compressione
Per superare questo limite, gli ingegneri di Aikido hanno applicato tecniche di compressione avanzate, riducendo il peso del modello da 1,5 TB a 488 GB e successivamente a 388 GB. La versione compressa può essere eseguita su quattro GPU NVIDIA H200, mantenendo la capacità di ragionamento necessaria per individuare difetti di sicurezza.
Prestazioni dimostrate
In una prova su 32 vulnerabilità note distribuite su 30 progetti diversi, Altar ha rilevato 23 vulnerabilità, pari al risultato ottenuto dalla versione originale non compressa, ma con un terzo dello spazio occupato. Rispetto a GLM‑5.3, Altar ha conservato il 92 % della capacità di individuare falle di sicurezza.
Risultati in scenari reali
Dopo i test controllati, Aikido ha implementato Altar in ambienti produttivi, dove ha scoperto una vulnerabilità critica durante una normale audit di sicurezza. Sebbene il numero di vulnerabilità riscontrate possa sembrare inferiore a quello di modelli come Claude Mythos o GPT Cyber, la differenza principale è la possibilità di operare localmente con pesi aperti.
Le radici dell’iniziativa
L’esigenza di un modello locale è emersa proprio dopo l’attacco a Hugging Face. Gli esperti di sicurezza della startup hanno constatato di non poter utilizzare i modelli commerciali più potenti durante l’investigazione, a causa dei loro meccanismi di protezione. In risposta, il team interno ha ricorso a modelli cinesi open source, dimostrando l’efficacia di soluzioni non dipendenti dal cloud.
Prospettive future
Aikido ha dichiarato che l’obiettivo di Altar è creare un’IA più compatta che mantenga la maggior parte delle capacità di sicurezza del modello originario. I prossimi passi prevedono:
- ottimizzare il modello per flussi di lavoro di sicurezza specifici;
- migliorare l’integrazione con strumenti di analisi statici e dinamici;
- potenziare il ragionamento a lungo termine per scenari complessi.
Con Altar, Aikido dimostra che è possibile coniugare performance avanzate e rispetto della privacy, offrendo alle organizzazioni una difesa efficace contro le minacce emergenti senza sacrificare la sovranità dei propri dati.