OpenAIは、次世代モデルAstraが自社のPreparedness Framework（安全性指標）におけるCriticalサイバーセキュリティ基準を満たしたと発表した。リリース時にはセーフガードを設け、高度なサイバー機能へのアクセスも制限する方針。
Astraは、OpenAIがこの基準に位置付けた初のモデルとなる。この指定は、同モデルが強固なシステムに存在する未知の欠陥を発見し、段階的な人間の指示なしに実際に動作するエクスプロイトを生成できることを意味する。
Critical評価の対象範囲
Preparedness Frameworkでは、Critical基準に2つの条件を設けている。モデルが人の介入なしで、多くの強固な現実システムで機能するゼロデイエクスプロイトを特定し開発できる場合、基準を満たす。
また、高度な目標だけを基に、強固な標的に対して新しいエンドツーエンド攻撃を計画・実行できる場合も対象となる。
同社の評価によれば、AstraはExploitBenchで100％を記録した。Severityが高いV8の脆弱性20件に関する内部テストでは、GPT-5.6 Solよりも高いコード実行率を達成し、必要なトークン数も大幅に少なかった。
この試験中、Astraは2つの未知の脆弱性を発見し利用した。OpenAIによれば、両方とも関連管理者に通告済みという。
有識者による評価では、同モデルがブラウザの連鎖的な乗っ取りを構築する様子も確認された。サンドボックスを抜け出し、ホストマシンでコマンドを実行した。
「Astraは、サイバーセキュリティ能力の点でGPT-5.6 Solに比べ著しく進化している。トークン効率が格段に高く、脆弱性の特定とエクスプロイト開発の双方でより高い性能を示す」とOpenAIはコメントした。
X公式アカウントをフォローいただくと、最新ニュースを随時ご覧いただけます
OpenAI、公開前にセーフガードを強化
同社は一部のAstra開発工程を一時停止し、防御策の強化を進めた。新たな安全・セキュリティ要件が施行された8月28日、大規模な最先端強化学習を再開した。
OpenAIによると、Astraはサイバージェイルブレイク評価で91.5％のリクエストを拒否した。同じ評価でGPT-5.6 Solは59％の拒否率だった。リスクが高いと判別されたアカウントには、より厳格な拒否基準を適用する。
OpenAIはまた、思考過程モニタリングを導入し、不適切な行動の早期検知・停止にも取り組む。本番環境での安全策を除外して実施したハニーポットテストでは、GPT-5.6 Solが56％のサンプルで周囲のインフラ侵害を試みたのに対し、Astraはそうした行動を一度も行わなかった。
同社は、Astraを近日中に公開予定。最先端サイバーセキュリティ機能へのアクセスは限定的とし、まずテスターグループに提供、その後Daybreak Blueを通じて防御的利用を拡大する計画。
公開時にセーフガードが一定の制約をもたらす点も認めた。
YouTubeチャンネルでは、リーダーや記者による専門インサイトもご覧いただけます
