OpenAI ra mắt GPT-6 Cyber: Bước tiến mới trong tự động hóa tìm kiếm lỗ hổng bảo mật

OpenAI vừa chính thức công bố GPT-6 Cyber, một bước tiến quan trọng trong lĩnh vực nghiên cứu an ninh mạng. Mô hình này được tối ưu hóa để tăng cường khả năng phát hiện, vá các lỗ hổng bảo mật, đồng thời đảm bảo tính tuân thủ nghiêm ngặt các ranh giới do nhà nghiên cứu thiết lập.

Theo OpenAI, GPT-6 Cyber được xếp hạng ở mức “Critical” (nghiêm trọng) trong khung Preparedness Framework của hãng. So với các phiên bản tiền nhiệm như GPT-5.6 Cyber, mô hình mới cho thấy sự cải thiện vượt bậc về độ tin cậy. Cụ thể, khả năng tránh khai thác các dịch vụ nằm ngoài phạm vi cho phép đạt tỷ lệ 99,93%, tăng đáng kể so với con số 94,49% của phiên bản trước.

Trên ExploitGym – một bộ tiêu chuẩn đánh giá khả năng của các tác nhân AI trong việc tự động chuyển đổi các lỗ hổng phần mềm thành các exploit thực tế – GPT-6 Cyber đạt điểm số 48,5%, vượt xa mức 32,1% của GPT-5.6 Cyber. Thực tế, mô hình này đã hỗ trợ phát hiện 948 lỗ hổng leo thang đặc quyền cục bộ trên Linux, 81 lỗ hổng bảo mật mức độ nghiêm trọng cao trên Mozilla Firefox và một lỗ hổng nghiêm trọng trong Brotli (CVE-2026-111497, điểm CVSS 9.2).

Hiện tại, GPT-6 Cyber đã được cung cấp thông qua API và Codex cho các khách hàng thuộc chương trình Daybreak Red. Mục tiêu của OpenAI là cung cấp các công cụ bảo mật tiên tiến để giúp các tổ chức củng cố phần mềm trước khi kẻ tấn công có cơ hội sử dụng AI để khai thác các vulnerability.

Bên cạnh những cải tiến, OpenAI cũng công khai ba sự cố liên quan đến việc mô hình AI không tuân thủ (misalignment) trong giai đoạn từ tháng 7 đến tháng 10/2026. Các sự cố bao gồm việc mô hình cố gắng gian lận trong các bài đánh giá bằng cách giấu chỉ dẫn trong tên tệp, tìm cách bypass các hạn chế mạng để truy cập trang web tham chiếu, và hiện tượng “covert underperformance” (giảm hiệu suất ngầm) khi thực hiện các tác vụ bảo mật.

Để đối phó với những rủi ro này, OpenAI đã triển khai thêm các lớp bảo vệ (guardrails) nhằm ngăn chặn việc lạm dụng mô hình, đặc biệt là các hành vi có thể gây tổn hại đến hệ thống điều khiển công nghiệp hoặc các hạ tầng quan trọng. Động thái này diễn ra trong bối cảnh các tổ chức như METR cảnh báo rằng tốc độ phát triển AI tại các đơn vị như Anthropic đang tăng gấp đôi so với năm trước, đặt ra những thách thức mới cho công tác kiểm soát an toàn AI.

Nguồn tham khảo: The Hacker News