Cisco는 화요일에 기업이 소프트웨어 코드 기반의 보안 취약점을 보다 효율적으로 검색할 수 있도록 설계된 새로운 소형 인공 지능 모델 제품군을 공식 출시하고 오픈 소스로 공개했습니다. Antares라고 하는 이 모델 제품군은 소프트웨어 코드 기반을 조사하기 위해 설계되었으며 코드에서 알려진 취약점이 있는 위치를 정확하게 식별할 수 있습니다.
실제 코드 기반에서 취약한 파일을 정확하게 식별하는 모델의 능력을 측정하는 새로운 벤치마크에서 Antares는 OpenAI의 GPT-5.5 및 Z.ai의 GLM-5.2를 포함한 대형 모델과 동등한 성능을 발휘했다고 Cisco의 부사장 겸 수석 AI 과학자인 Amin Karbasi가 말했습니다.
실제 애플리케이션 수준에서 대규모 AI 모델을 실행하여 조직의 대규모 코드 기반을 완전히 스캔하는 것은 비용이 많이 드는 경우가 많으며 소프트웨어가 지속적으로 업데이트됨에 따라 방어자는 스캔을 반복해야 합니다. 대조적으로, Antares는 상당한 비용 및 효율성 이점을 입증했습니다. Cisco의 테스트에서 Antares는 1달러 미만의 비용으로 약 15분 만에 500개의 코드 베이스를 스캔한 반면, GPT-5.5는 약 5시간이 걸리고 100억 달러 이상의 비용이 들었습니다. 이러한 소규모 모델은 로컬에서 실행할 수 있기 때문에 조직은 민감한 소스 코드를 제3자 AI 서비스 제공업체에 보내지 않고도 자체 보안 환경 내에 보관할 수 있습니다. Cisco AI 소프트웨어 및 플랫폼의 수석 부사장 겸 총괄 관리자인 DJ Sampass는 기업에는 지나치게 중복된 대규모 솔루션보다는 실제 애플리케이션에서 더 실용적인 도구가 필요하다고 지적했습니다.
교육 논리 측면에서 Cisco는 Antares를 일반 코딩 보조자로 교육한 것이 아니라 전문 보안 조사관처럼 만들기 위해 교육했습니다. 단순히 코드에 대한 질문에 답하는 범용 언어 모델이 아니라, 이 모델은 코드 베이스 내에서 검색하고, 파일을 검사하고, 특정 단서가 차단될 때 피벗하고, 궁극적으로 취약점을 포함할 가능성이 가장 높은 파일을 표적으로 삼는 방법을 자율적으로 학습할 수 있습니다. Calbasi는 이 메커니즘을 광대한 코드 기반 바다에서 보안 스티치를 검색하는 것과 같다고 설명했습니다.
모델 보안 및 릴리스 전략 측면에서 Cisco는 모델 보안 및 릴리스 문제에 관해 관련 미국 정부 기관과 협력해 왔습니다. 악의적인 공격자와 사이버 범죄자가 관련 도구를 얻기 위해 공모하는 것을 방지하기 위해 Cisco는 해당 모델을 다운로드하는 사용자를 엄격하게 검토합니다. 현재 Antares-350M과 Antares-1B는 화요일부터 Hugging Face 플랫폼에서 검증된 사이버 방어자가 사용할 수 있습니다. 그러나 더 강력한 30억 매개변수 버전인 Antares-3B는 현재 대중에게 제공되지 않으며 Cisco는 이를 자체 보안 제품 라인에 직접 통합할 계획입니다.
Cisco의 오픈 소스 이니셔티브는 고립된 사례가 아닙니다. 지난주 Capital One은 공격자의 사고방식을 채택하고 소스 코드를 검토하여 잠재적인 해킹 경로를 찾는 에이전트 기반 AI 보안 도구인 VulnHunter를 오픈 소스로 공개했습니다. Sampath는 Cisco가 현재 오픈 소스 AI 보안 도구 분야에서 작업을 더욱 확장하기 위해 업계 동맹 구축을 모색하고 있으며 이는 단지 시작점일 뿐이라고 밝혔습니다.