Bezplatný AI model Antares rychle odhalí bezpečnostní zranitelnosti ve zdrojovém kódu

Cisco představuje rodinu malých jazykových modelů Antares, specializovaných na hledání chyb v rozsáhlých softwarových repozitářích. V přesnosti překonávají výrazně větší konkurenční modely a díky menším nárokům na hardware mohou běžet lokálně přímo u zákazníka - citlivý zdrojový kód tak nemusí opustit jeho infrastrukturu.

Modely Antares-350M a Antares-1B na platformě Hugging Face

Hledání zranitelností ve zdrojovém kódu je nyní rychlejší, levnější a dostupnější. Modely Antares-350M a Antares-1B jsou jako open-weight řešení zdarma dostupná na platformě Hugging Face - to z Antares dělá dostupný nástroj i pro univerzity, veřejné instituce nebo menší firmy bez rozpočtu na nákladná AI řešení.

"Analytici dnes tráví hodiny procházením rozsáhlých repozitářů, jen aby ověřili, zda se v nich skutečně skrývá nějaká zranitelnost. Antares tuto nejpracnější část procesu automatizuje. Dělá to navíc lokálně, takže firmy nemusí posílat citlivý zdrojový kód do cloudu. To je zásadní zejména pro organizace s přísnými požadavky na ochranu dat. Antares dáváme k dispozici zdarma, protože bezpečnostní komunita potřebuje dostupnější nástroje pro praktickou obranu na úrovni softwarových repozitářů. Menší organizace, univerzity i veřejné instituce tak mohou využít AI pro bezpečnostní prověřování kódu bez nutnosti investovat do nákladné infrastruktury nebo proprietárních cloudových služeb. Zabezpečení řešíme i na dalších úrovních. Jsme jedním ze zakládajících partnerů projektu Glasswing od společnosti Anthropic, který od dubna 2026 nasazuje model Claude Mythos k odhalování zranitelností v kritickém softwaru dříve, než je stihnou zneužít útočníci. Přístup k němu využíváme k proaktivnímu prověřování vlastních i open-source systémů. Antares je pak naší cestou, jak podobně pokročilé možnosti dát zdarma k dispozici i menším organizacím a komunitě jako celku," říká Zuzana Švecová, generální ředitelka Cisco Česká republika.

AI model Antares - pomocník pro analytiky

Antares vznikl jako pomocník pro analytiky, kteří se musí ručně prokousávat rozsáhlými a neznámými repozitáři, aby ověřili, jestli bezpečnostní chyba skutečně existuje. Tato práce je náročná - repozitáře bývají obsáhlé, bezpečnostní signály zašuměné a klíčové důkazy málokdy leží na jednom zjevném místě.

Impulsem pro vznik modelu se stal výzkum týmu Cisco Foundation AI, který ukázal, že i kompaktní modely se dokáží efektivně naučit prohledávat rozsáhlé datové zdroje, vyhodnocovat vlastní postup a v případě potřeby změnit strategii.

Antares tak funguje podobně jako lidský analytik - na základě popisu zranitelnosti prohledává repozitář, vyhodnocuje indicie a postupně zužuje výběr na soubory, kde je chyba nejpravděpodobnější. Výstupem je seřazený seznam podezřelých souborů se záznamem celého postupu, který si bezpečnostní tým může zpětně ověřit.

Podstatnou výhodou kompaktních modelů Antares je, že snižují náklady na provoz, umožňují lokální nebo on-premise nasazení a pomáhají udržet citlivý zdrojový kód uvnitř vlastní infrastruktury.

Nový benchmark pro nový nástroj

S příchodem nového AI nástroje se dosavadní benchmarky pro hledání zranitelností ukázaly jako nedostatečné. Cisco proto vytvořilo vlastní srovnávací test Vulnerability Localization Benchmark s 500 úlohami, který prověřuje orientaci v neznámém repozitáři i rozpoznání vzorců typických pro konkrétní kategorie zranitelností.

Na rozdíl od stávajících testů řeší i lokalizaci na základě popisu hrozby, bezpečnostního upozornění nebo kategorie zranitelnosti.

Bezpečné využití AI jako dlouhodobý cíl Cisco

Antares je součástí snahy Cisco o zodpovědné a měřitelné využití AI pro kybernetickou bezpečnost. V rámci Foundry Security Spec představilo modelově nezávislý plán pro budování agentních systémů hodnocení bezpečnosti s jasně definovanými rolemi a ověřitelnými výstupy.

V rámci projektu CodeGuard se podílí na tvorbě pravidel a dovedností, které mohou vést AI agenty pro kódování s využitím umělé inteligence k bezpečnějšímu vývoji softwaru.