Orion-1: מודל סייבר ייעודי שמנסה לענות על החסימות של המודלים הכלליים

הסטארט-אפ האמריקאי Artemis Security השיק את Orion-1, מודל AI שנועד לחקור תקיפות על רשתות ארגוניות ולהגיב להן בעצמו. לפי החברה, המודל עוקף את Claude Opus 5.5 ואת GPT-6 Sol במבחן ביצועים שהיא פיתחה בעצמה. ההשקה מגיעה בזמן שצוותי אבטחה מתקשים יותר ויותר לעבוד עם מודלי השפה הכלליים, משום שהספקיות מגבילות בהם יכולות סייבר.

איך המודל עובד

Orion-1 מעבד נתוני לוג (רישומי פעילות של מערכות) ממקורות שונים: שירותי הזדהות, תשתיות ענן, מחשבי הארגון, אפליקציות SaaS וציוד רשת. המודל מחבר אותות שנראים בודדים, כמו התחברות לחשבון ארגוני, הרשאות ענן חדשות וכלל חדש שנוצר בתיבת דואר, ומשייך אותם לתוקף אחד. כשיש לו תמונה של מה שקרה, הוא קובע ציון ביטחון, מכריע אם מדובר בתקיפה, וממליץ על תגובה או מפעיל אותה בעצמו.

לטענת Artemis, מודלים כלליים מאבדים את החוט כשמזינים להם מיליארדי אירועים, או מסמנים כתקיפה פעילות חריגה אך תמימה. החברה ביצעה ל-Orion-1 כוונון (fine-tuning) על משימות מתוך פעילות האבטחה שלה עצמה: זיהוי דפוסים חשודים בלוגים, חיפוש טכניקות תקיפה מוכרות, כתיבת כללי זיהוי חדשים ובלימת תקיפות בזמן אמת. לדבריה, לא נעשה שימוש בנתוני לקוחות באימון.

Artemis מכנה את Orion-1 "Frontier Foundation Model", אבל בפוסט שלה היא מתארת רק את שלב הכוונון. לא ברור אם המודל נבנה על בסיס מודל קיים של ספקית אחרת.

מבחן שהחברה כתבה לעצמה

להשוואה פיתחה Artemis מבחן בשם Decision-Grade Readiness, או DGR. רוב מבחני האבטחה הקיימים בוחנים ידע על טכניקות תקיפה או פתרון חידות פריצה. ב-DGR כל מודל מקבל אותה התרעה ראשונית, אותם נתוני סביבה ואותם כלים שעומדים לרשות צוות אבטחה, ועליו להכריע אם מתבצעת תקיפה. המבחן כולל אלפי משימות שהתוצאה שלהן ידועה מראש. בחלקן אין תקיפה בכלל, ובחלקן יש נתונים תמימים שנבנו כדי להיראות זדוניים. הציון ניתן גם על ההכרעה וגם על הראיות שהמודל מציג.

לצד Opus 5.5 ו-GPT-6 Sol נבדקו גם Grok 4.7 ו-Kimi K3, בחמש משימות. הפער הגדול ביותר נמדד בשחזור מהלך התקיפה: ‏80.8 נקודות ל-Orion-1, לעומת 58.3 ל-GPT-6 Sol, המודל הבא אחריו. לפי החברה, רק Orion-1 הגיע לרף של 80 נקודות או יותר בכל חמש המשימות. את הרף הזה קבעה Artemis בעצמה.

יש כאן כמה הסתייגויות. המבחן, הרף והמשימות כולם של החברה. המודלים החזקים ביותר של אנתרופיק ושל OpenAI, Claude Mythos 5 ו-GPT-6 Astra, לא נכללו בהשוואה. ו-Opus 5.5 מעביר את רוב משימות הסייבר למודל הוותיק Opus 4.8, כך שהתוצאות שלו במבחן משקפות ככל הנראה במידה רבה את המודל הישן.

כשהמעקות חוסמים גם את המגינים

ההקשר הרחב הוא המתח שמלווה את התחום: אותן יכולות שעוזרות למגינים עוזרות גם לתוקפים. OpenAI רואה ב-GPT-6 Astra את המודל הראשון שעלול להגיע לדרגת סיכון הסייבר הגבוהה ביותר, שבה מודל מסוגל לפתח ולהפעיל תקיפות בעצמו. כתוצאה מכך הספקיות מוסיפות הגבלות, ואלה פוגעות גם בשימוש הגנתי.

דוגמה בולטת: ביולי ניסתה Hugging Face לנתח, בעזרת מודלי קצה מסחריים, תקיפה אוטונומית לחלוטין שבוצעה בידי AI על התשתית שלה. מעקות הבטיחות של המודלים חסמו את ניתוח נתוני התקיפה לגמרי. בסוף עבר הצוות למודל ה-open-weight ‏(מודל שהמשקלות שלו פתוחים לציבור) GLM 5.2, שהופעל על השרתים של החברה.

במקום להסיר את ההגבלות, הספקיות מציעות למגינים מודלים ייעודיים עם גישה מוגבלת. OpenAI מספקת את GPT-5.5-Cyber, שההגבלות בו מתונות יותר, רק לגורמי הגנה מאומתים. אנתרופיק נוקטת גישה דומה ומפעילה את Claude Mythos 5 דרך סורק Claude Security ומוצרי אבטחה של שותפים.

למה זה חשוב

Orion-1 זמין כרגע בתצוגה מקדימה פרטית ללקוחות נבחרים בפלטפורמה של Artemis. הלקוחות קובעים לכל סוג פעולה כמה המודל רשאי להחליט לבד, ופעולות בעלות השפעה גבוהה דורשות כברירת מחדל אישור אנושי. החברה יצאה ממצב חשאי (stealth) רק באפריל, וחשפה אז גיוס של 70 מיליון דולר בסבבי Seed ו-A, כחצי שנה אחרי שנוסדה.

המשמעות, ככל הנראה, היא שהפער שנפתח בין מודלי קצה מוגבלים לבין הצרכים של צוותי הגנה יוצר שוק למודלים ייעודיים. אבל כל עוד הנתונים היחידים מגיעים ממבחן פנימי, בלי השוואה למודלי ההגנה הייעודיים של OpenAI ואנתרופיק, קשה להעריך כמה Orion-1 באמת עדיף.