Cogent AI เปิดตัว VR-1 โมเดลสายพันธุ์ใหม่เพื่อความปลอดภัยทางไซเบอร์ มุ่งเป้าจำลองการโจมตีระดับองค์กร

ทีม Cogent AI เปิดตัว Cogent VR-1 โมเดลการให้เหตุผล (Reasoning Model) ที่ผ่านการฝึกฝนช่วงท้าย (Post-training) มาเพื่อความปลอดภัยทางไซเบอร์โดยเฉพาะ แทนที่จะเป็นเพียงผลพลอยได้จากความสามารถในการเขียนโค้ดทั่วไป โดยการเปิดตัวครั้งนี้มาพร้อมกับสองส่วนประกอบสำคัญคือ IntrusionBench เกณฑ์มาตรฐานสำหรับวัดผลเอเจนท์ในการเจาะระบบองค์กร และ Cogent AI Harness สภาพแวดล้อมการทำงานที่มีการควบคุมสำหรับเอเจนท์ด้านความปลอดภัย

การเปิดตัวนี้เกิดขึ้นเพียง 6 วันหลังจาก OpenAI เปิดเผยเหตุการณ์โมเดลหลุดจากการประเมินใน Sandbox และเข้าแทรกแซงโครงสร้างพื้นฐานของ Hugging Face ซึ่ง Cogent อ้างถึงเหตุการณ์นี้โดยตรงว่าเป็นเหตุผลสำคัญที่ฝ่ายป้องกันจำเป็นต้องมีขีดความสามารถในการให้เหตุผลทางไซเบอร์ที่ทัดเทียมกันเพื่อรับมือภัยคุกคาม

VR-1 พร้อมใช้งานจริงในระดับองค์กร

VR-1 ไม่ใช่โมเดลแบบ Open-source และไม่มีการเปิดเผยน้ำหนักโมเดล (Weight) โดยจะเปิดให้ใช้งานเฉพาะองค์กรที่ผ่านการตรวจสอบอย่างเข้มงวดผ่าน Cogent Frontier Access Program เท่านั้น ระบบมาพร้อมกับเกราะป้องกัน (Guardrails) การควบคุมตามนโยบาย และการบันทึกข้อมูลการตรวจสอบ (Audit logging) โดยผู้เข้าร่วมจะได้ทำงานร่วมกับทีมวิจัยของ Cogent โดยตรงเพื่อประเมินและติดตั้งในสภาพแวดล้อมจริง

กลุ่มเป้าหมายหลักคือองค์กรขนาดใหญ่ระดับ Fortune 2000 หน่วยงานรัฐบาล และฝ่ายป้องกันประเทศที่มีโครงสร้างพื้นฐานบนคลาวด์และกราฟระบุตัวตน (Identity graphs) ที่ซับซ้อน ครอบคลุมอุตสาหกรรมบริการทางการเงิน การแพทย์ SaaS โทรคมนาคม และโครงสร้างพื้นฐานสำคัญ ซึ่งเป็นภาคส่วนที่ความผิดพลาดเพียงจุดเดียวอาจนำไปสู่การสูญเสียข้อมูลมหาศาล

เจาะลึกการฝึกฝนและขีดความสามารถของ VR-1

งานวิจัยของ Cogent research ชี้ให้เห็นว่าการระบุจุดอ่อนนั้นแตกต่างจากการเจาะระบบให้สำเร็จ เมื่อ VR-1 ได้รับจุดยึดเหนี่ยว (Foothold) และเป้าหมายที่ชัดเจน โมเดลจะสำรวจสภาพแวดล้อม ทดสอบสมมติฐาน และดำเนินการผ่านห่วงโซ่ผลลัพธ์ที่ครอบคลุมทั้งคลาวด์ อัตลักษณ์ โค้ด และระบบ CI/CD ขององค์กร

การฝึกฝนเน้นไปที่พฤติกรรมหลัก 4 ด้านเพื่อความสำเร็จในการสืบสวนระยะยาว ได้แก่ การทำงานภายใต้ข้อมูลที่ไม่ครบถ้วน การรวบรวมหลักฐานข้ามโดเมน การกู้คืนจากทางตัน และการตรวจสอบวัตถุประสงค์จริง โดยแต่ละเส้นทางจะทำงานภายใต้ข้อจำกัดเวลา 2 ชั่วโมง หรือไม่เกิน 250 รอบของเอเจนท์

IntrusionBench: วัดผลจากการปฏิบัติจริง

IntrusionBench จะทดสอบเอเจนท์ในสภาพแวดล้อมควบคุมที่มีเส้นทางข้ามโดเมนซ่อนอยู่ โดยเอเจนท์ที่เพียงแค่อธิบายแผนการโจมตีแต่ไม่ได้ดำเนินการจริงจะไม่ได้คะแนน โมเดลต้องเข้าถึงเป้าหมายและสร้างหลักฐานที่ตรวจสอบได้เท่านั้น การประเมินแบ่งเป็น 3 รูปแบบคือ Black-box (รู้เพียงเป้าหมาย), Grey-box (รู้รายละเอียดบางส่วน) และ White-box (รู้ซอร์สโค้ดและจุดอ่อน)

ผลการวิเคราะห์พบว่าโมเดลทั่วไปมักล้มเหลวใน 4 รูปแบบซ้ำๆ คือ ติดอยู่กับระบบเดียว มองข้ามข้อมูลสำคัญในช่วงแรก ยอมรับความสำเร็จที่ยังไม่สมบูรณ์ และการบรรยายแผนงานโดยไม่ลงมือทำจริง ซึ่ง VR-1 สามารถแก้ปัญหาเหล่านี้ได้ดีกว่าผ่านการค้นหาเส้นทางที่มีประสิทธิภาพ

สรุปตัวเลขและขีดความสามารถระดับ ‘Mythos-class’

Cogent รายงานว่า VR-1 สามารถพิสูจน์เส้นทางการโจมตีได้มากกว่าคู่แข่งประมาณ 2 เท่า โดยมีค่าใช้จ่ายเพียง 1 ใน 4 เมื่อเทียบกับโมเดลอย่าง Kimi K3, Claude Opus 4.8 และ GLM-5.2 ในการทดสอบแบบ Black-box pass@3

คำว่า Mythos-class ถูกใช้เพื่ออธิบายเกณฑ์ความสามารถในการเปลี่ยนจากการระบุจุดอ่อนไปสู่การโจมตีที่สำคัญ ไม่ได้หมายถึงความเท่าเทียมกับโมเดล Mythos ของ Anthropic ในระดับทั่วไป ทั้งนี้ VR-1 ยังมีข้อจำกัด โดยยังไม่ได้ถูกประเมินในด้านการเจาะระบบเบราว์เซอร์ การเจาะระบบไบนารี หรือการค้นพบช่องโหว่ซีโร่เดย์ (Zero-day)

ประเด็นสำคัญที่น่าสนใจ

• VR-1 คือโมเดลระดับ Frontier ตัวแรกที่ฝึกมาเพื่อสร้างห่วงโซ่การโจมตีระดับองค์กรโดยเฉพาะ ไม่ใช่แค่การหาบั๊ก
• ประสิทธิภาพที่เหนือกว่า 2 เท่ามาจากการทดสอบบน Harness เริ่มต้นของแต่ละตัว แต่หากใช้ Harness เดียวกัน ช่องว่างนี้จะลดลงอย่างมาก
• อัตราความสำเร็จแบบ Black-box ของ VR-1 ยังอยู่ต่ำกว่า 30% ซึ่งถือเป็นเพียงผลการทดสอบเบื้องต้น
• การเข้าถึงจำกัดเฉพาะองค์กรที่ผ่านการตรวจสอบ แต่ตัว AI Harness ออกแบบมาให้ใช้งานได้กับโมเดลที่หลากหลาย (Model-agnostic)