گوگل با SecGemini به دنبال کاربردهای جدید در امنیت سایبری است

گوگل هفته گذشته مدل آزمایشی SecGemini v1 را معرفی کرد که به‌عنوان دستیار هوش مصنوعی برای متخصصان امنیت سایبری طراحی شده است. این مدل با هدف کاهش وظایف تکراری و زمان‌بر مانند تحلیل داده‌ها، به کارشناسان امنیتی کمک می‌کند تا روی تحلیل‌های پیشرفته‌تر تمرکز کنند.

ماریانا تیشنکو، مدیر محصول SecGemini، در گفت‌وگو با CyberScoop اظهار داشت که این ابزار برای افزایش کارایی و اثربخشی فرآیندهای دفاعی سازمان‌ها در برابر تهدیدات سایبری توسعه یافته‌است.

این مدل از داده‌های منحصربه‌فرد گوگل، از جمله اطلاعات تهدیدات Mandiant و پایگاه داده آسیب‌پذیری‌های متن‌باز، بهره می‌برد و در بنچمارک‌هایی مانند CTI-MCQ (ارزیابی هوش تهدیدات) و نقشه‌برداری علل ریشه‌ای، از مدل‌های رقیب مانند OpenAI، Anthropic و Mistral AI پیشی گرفته است.

SecGemini با به‌روزرسانی مداوم اطلاعات تهدیدات گوگل، پاسخ‌هایی نزدیک به زمان واقعی ارائه می‌دهد و می‌تواند تغییرات اخیر در آسیب‌پذیری‌های نرم‌افزاری (CVE) را در نظر بگیرد.

گوگل قصد دارد با ارائه این ابزار به گروه‌های محدودی از سازمان‌های غیردولتی و دانشگاهی برای تحقیقات غیرتجاری، کاربردهای جدیدی برای آن کشف کند.

الی بورزشتین، مسئول تحقیقات امنیت سایبری گوگل، اعلام کرد که هدف، شناسایی نقاط قوت و ضعف این مدل از طریق آزمایش است و تعداد سازمان‌های اولیه که به آن دسترسی خواهند داشت، احتمالاً چند ده سازمان خواهد بود. او افزود که گوگل هنوز نمی‌داند آیا این مدل در پاسخگویی به حوادث فعال مؤثر است یا خیر، اما نتایج آزمایش‌ها برای بهبود آن استفاده خواهد شد.

کیسی الیس، مدیر فناوری BugCrowd، معتقد است که ترکیب داده‌های Mandiant و پایگاه OSV می‌تواند زمان تحلیل داده‌ها را برای کارشناسان کاهش دهد. او تصمیم گوگل برای عرضه اولیه به گروه‌های آزمایشی را تحسین کرد، اما هشدار داد که سازمان‌ها نباید از این ابزار به‌عنوان جایگزین نیروی انسانی استفاده کنند، بلکه باید آن را مکملی برای تقویت تیم‌های موجود ببینند.

digitaltrends در گزرشی نوشت: SecGemini رایگان است، اما گوگل برای کاهش خطاهایی مانند توهم، آن را با داده‌های دقیق و باکیفیت آموزش داده است. موفقیت این مدل به توانایی آن در مدیریت داده‌ها و کشف کاربردهای عملی در حوزه‌هایی مانند تشخیص آسیب‌پذیری، تحلیل بدافزار و شکار تهدید بستگی دارد، به‌ویژه در شرایطی که صنعت هوش مصنوعی مولد هنوز در تبدیل وعده‌ها به عملکرد واقعی با چالش‌هایی مواجه است.