Anthropic Mythos i Project Glasswing – AI zmienia cyberbezpieczeństwo

Anthropic Mythos i Project Glasswing pokazują, że sztuczna inteligencja zaczyna zmieniać zasady cyberbezpieczeństwa. W centrum tej historii znajduje się Claude Mythos Preview — niepubliczny model Anthropic, który według firmy potrafi autonomicznie wykrywać poważne podatności w oprogramowaniu, w tym luki typu zero-day.

Project Glasswing to odpowiedź Anthropic na ryzyko, że podobne możliwości mogą zostać wykorzystane również przez atakujących. Zamiast udostępniać Claude Mythos Preview publicznie, firma uruchomiła ograniczony program współpracy z największymi podmiotami technologicznymi, takimi jak AWS, Apple, Google, Microsoft, NVIDIA, Cisco, CrowdStrike, Linux Foundation czy Palo Alto Networks.

Najważniejsze pytanie brzmi więc nie tylko, jak skuteczny jest Anthropic Mythos, ale co jego pojawienie się oznacza dla firm, twórców oprogramowania, projektów open source i całej infrastruktury cyfrowej. W tej analizie wyjaśniamy, czym jest Claude Mythos Preview, na czym polega Project Glasswing i dlaczego może to być jeden z najważniejszych momentów dla cyberbezpieczeństwa w erze AI.

Anthropics Mythos i Project Glasswing – czym są i dlaczego powstały?

Anthropic Mythos to potoczna nazwa odnosząca się do Claude Mythos Preview, czyli niepublicznego modelu granicznego stworzonego przez Anthropic. Firma opisuje go jako model ogólnego przeznaczenia, ale szczególnie wyróżniający się w zadaniach związanych z programowaniem, analizą kodu, rozumowaniem technicznym i cyberbezpieczeństwem. To właśnie te kompetencje sprawiły, że model stał się podstawą inicjatywy Project Glasswing, zapowiedzianej jako program zabezpieczania krytycznego oprogramowania w erze coraz bardziej zaawansowanej sztucznej inteligencji.

Project Glasswing nie jest produktem dla zwykłych użytkowników ani kolejnym abonamentem na model AI. To ograniczona inicjatywa defensywna, w której wybrane firmy i organizacje otrzymują dostęp do Claude Mythos Preview, aby skanować, testować i wzmacniać swoje systemy. Anthropic zapowiada, że uczestnicy projektu mają wykorzystywać model między innymi do lokalnego wykrywania podatności, testów binarnych typu black box, zabezpieczania punktów końcowych oraz testów penetracyjnych systemów. W tym sensie Glasswing przypomina wspólną akcję branżową, a nie klasyczne wdrożenie komercyjnej usługi AI.

Powód uruchomienia projektu jest prosty, ale bardzo poważny. Anthropic twierdzi, że możliwości modeli AI w zakresie analizy kodu i eksploitacji luk osiągnęły poziom, przy którym mogą one wyprzedzać większość ludzi, poza najbardziej doświadczonymi specjalistami od bezpieczeństwa. Do tej pory znajdowanie złożonych luk wymagało rzadkiej kombinacji wiedzy, czasu, doświadczenia i dostępu do narzędzi. Jeżeli model AI potrafi automatyzować dużą część tego procesu, próg wejścia dla zaawansowanych działań cybernetycznych może spaść. To właśnie dlatego Anthropic nie udostępnia Claude Mythos Preview publicznie, lecz kieruje jego możliwości do kontrolowanego programu defensywnego.

Dla użytkowników biznesowych, administratorów IT i firm programistycznych najważniejsza lekcja jest praktyczna: cyberbezpieczeństwo przestaje być wyłącznie etapem kontroli po zakończeniu projektu. W świecie modeli klasy Mythos testowanie bezpieczeństwa, analiza zależności, przegląd kodu, zarządzanie podatnościami i szybkie łatanie błędów muszą stać się procesem ciągłym. Project Glasswing pokazuje kierunek: defensywa musi używać AI wcześniej, szybciej i bardziej systemowo niż atakujący.

Anthropics Mythos jako model do wykrywania luk w oprogramowaniu

Anthropic Mythos zwrócił uwagę branży przede wszystkim dlatego, że według Anthropic Claude Mythos Preview zidentyfikował tysiące luk zero-day, czyli podatności wcześniej nieznanych twórcom oprogramowania. W opublikowanych materiałach firma wskazała przykłady obejmujące między innymi 27-letnią podatność w OpenBSD, 16-letnią podatność w FFmpeg oraz łańcuch podatności w jądrze Linuksa, który pozwalał na eskalację uprawnień. Anthropic poinformowało, że opisane podatności zostały zgłoszone opiekunom projektów i załatane przed ujawnieniem szczegółów.

To ważne, ponieważ Project Glasswing dotyka jednego z największych problemów współczesnego oprogramowania: krytyczne systemy są zbudowane na milionach linii kodu, bibliotekach open source, zależnościach, sterownikach, komponentach sieciowych, przeglądarkach, systemach operacyjnych i narzędziach używanych od wielu lat. W takim środowisku nawet intensywne testy automatyczne nie gwarantują wykrycia wszystkich błędów. Jeżeli model AI potrafi czytać kod, rozumieć jego kontekst, przewidywać ścieżki wykonania i tworzyć hipotezy dotyczące wykorzystania błędu, może znaleźć problemy ukryte głębiej niż klasyczne skanery.

Nie oznacza to jednak, że Anthropic Mythos należy traktować jak magiczne narzędzie, które automatycznie „naprawia cyberbezpieczeństwo”. Model może przyspieszyć wykrywanie podatności, ale później potrzebne są procedury: weryfikacja zgłoszenia, priorytetyzacja ryzyka, przygotowanie poprawki, testy regresji, publikacja aktualizacji, komunikacja z użytkownikami i monitorowanie potencjalnej eksploitacji. W przypadku infrastruktury krytycznej równie ważna jest zgodność z regulacjami, kontrola dostępu do wyników testów i odpowiedzialne ujawnianie podatności.

Najbardziej praktyczny wniosek dla firm jest taki: jeśli AI potrafi szybciej znajdować luki, to organizacje muszą szybciej reagować. Wewnętrzne zespoły bezpieczeństwa powinny przygotować się na większą liczbę zgłoszeń, krótsze okna reakcji i większą presję na automatyzację triage’u. Działy IT nie będą mogły odkładać aktualizacji „na później”, bo w świecie AI czas między wykryciem podatności a próbą jej wykorzystania może być znacznie krótszy niż dotychczas.

Może Cię zainteresować: Claude Mythos: najgroźniejsza AI do cyberataków trafiła do NSA

Project Glasswing i partnerzy: dlaczego w projekcie są największe firmy technologiczne?

Project Glasswing jest istotny nie tylko dlatego, że powstał wokół modelu Claude Mythos Preview. Równie ważna jest lista partnerów. Obecność takich firm jak AWS, Apple, Google, Microsoft, NVIDIA, Cisco, CrowdStrike, Palo Alto Networks, Broadcom czy JPMorgan Chase pokazuje, że problem nie dotyczy jednego producenta oprogramowania. Chodzi o znaczną część globalnej powierzchni ataku: chmurę, systemy operacyjne, przeglądarki, układy scalone, endpointy, sieci, finanse, narzędzia bezpieczeństwa i ekosystem open source.

Anthropic Mythos ma być w tym projekcie narzędziem defensywnym, ale samo narzędzie nie wystarczy. Duże firmy technologiczne dysponują kodem źródłowym, infrastrukturą testową, zespołami bezpieczeństwa, procesami wydawania poprawek i możliwością szybkiego dystrybuowania aktualizacji. To daje im przewagę, której nie mają małe projekty open source lub pojedynczy maintainerzy. Dlatego szczególnie ważny jest udział Linux Foundation i wsparcie dla organizacji odpowiedzialnych za bezpieczeństwo otwartego oprogramowania. Linux Foundation podkreśla, że open source stanowi fundament znacznej części nowoczesnych systemów, a jego opiekunowie często nie mają takich zasobów jak największe korporacje.

Anthropic zapowiedziało także konkretne finansowanie. Firma zadeklarowała do 100 mln dolarów w kredytach na użycie modelu dla Project Glasswing i dodatkowych uczestników oraz 4 mln dolarów bezpośredniego wsparcia dla organizacji bezpieczeństwa open source. W materiałach firmy wskazano między innymi darowizny dla Alpha-Omega, OpenSSF oraz Apache Software Foundation. To ważny element projektu, bo samo wykrycie błędów bez finansowania prac naprawczych mogłoby doprowadzić do przeciążenia opiekunów projektów.

Z perspektywy rynku technologicznego Project Glasswing jest też sygnałem reputacyjnym. Firmy uczestniczące w projekcie pokazują, że chcą wykorzystać najbardziej zaawansowane modele AI nie tylko do automatyzacji pracy, ale również do zabezpieczania fundamentów cyfrowej gospodarki. Jednocześnie jest to ostrzeżenie dla mniejszych organizacji: standardy bezpieczeństwa będą rosnąć. Klienci, regulatorzy i partnerzy biznesowi coraz częściej będą oczekiwać dowodów, że firma nie tylko wdraża AI, lecz także potrafi kontrolować ryzyko, które z tej technologii wynika.

Anthropics Mythos a cyberataki: gdzie leży największe ryzyko?

Anthropic Mythos pokazuje paradoks nowej generacji sztucznej inteligencji. Ten sam model, który może pomóc obrońcom znaleźć i naprawić luki, może w nieodpowiednich rękach przyspieszyć tworzenie exploitów, analizę kodu, rozpoznawanie celów i automatyzację ataków. Anthropic wprost wskazuje, że możliwości Claude Mythos Preview są wystarczająco zaawansowane, aby nie udostępniać go publicznie. Firma deklaruje, że chce najpierw rozwijać zabezpieczenia blokujące najbardziej niebezpieczne wyniki działania modeli tej klasy.

Największe ryzyko nie polega na tym, że każdy użytkownik nagle stanie się elitarnym hakerem. Realny problem jest bardziej systemowy. Modele AI mogą obniżyć koszt analizy podatności, skrócić czas potrzebny na zrozumienie błędu i pomóc w łączeniu kilku słabszych luk w poważniejszy scenariusz ataku. Dla państwowych grup cybernetycznych, zorganizowanych grup ransomware i zaawansowanych aktorów przestępczych oznacza to możliwość działania szybciej i na większą skalę. Właśnie dlatego w sprawie Mythos i podobnych modeli pojawiło się zainteresowanie instytucji publicznych, w tym amerykańskich decydentów oraz Komisji Europejskiej.

W praktyce zagrożone są szczególnie te sektory, w których aktualizacje są trudne, kosztowne lub opóźniane: przemysł, energetyka, transport, ochrona zdrowia, administracja publiczna, finanse i infrastruktura chmurowa. Jeżeli organizacja korzysta z przestarzałych systemów, nie ma pełnej inwentaryzacji zasobów, nie kontroluje zależności open source albo nie prowadzi regularnych testów bezpieczeństwa, świat modeli klasy Mythos będzie dla niej trudniejszy. Atakujący mogą szybciej znajdować słabe punkty, a obrońcy będą musieli szybciej je usuwać.

Dlatego Project Glasswing należy czytać nie tylko jako komunikat o nowym modelu AI, ale także jako ostrzeżenie przed zmianą tempa gry. Dotychczas wiele organizacji funkcjonowało w modelu reaktywnym: łatanie po incydencie, audyt raz na jakiś czas, testy penetracyjne przed dużym wdrożeniem. W erze AI to może być za mało. Bezpieczeństwo musi być przesunięte bliżej kodu, bliżej procesu developmentu i bliżej codziennej eksploatacji systemów.

Project Glasswing w praktyce: co oznacza dla firm, software house’ów i zespołów IT?

Project Glasswing ma praktyczne znaczenie dla każdej organizacji, która tworzy, utrzymuje lub wdraża oprogramowanie. Nawet jeśli dostęp do Claude Mythos Preview jest ograniczony do wybranych partnerów, sam kierunek zmian jest jasny: analiza bezpieczeństwa wspierana przez AI stanie się standardem. Firmy nie muszą mieć dostępu do Mythos, aby już teraz przygotować się do nowej rzeczywistości. Powinny zacząć od uporządkowania podstaw: inwentaryzacji systemów, zależności, bibliotek, środowisk, repozytoriów, kont uprzywilejowanych i procedur aktualizacji.

Anthropic Mythos pokazuje, że największą wartość będą miały organizacje, które potrafią szybko przejść od wykrycia podatności do jej naprawienia. Sam skaner, model AI czy audyt nie rozwiąże problemu, jeśli firma nie ma właścicieli systemów, procesu nadawania priorytetów, środowiska testowego i procedury wdrożenia poprawek. Dlatego firmy powinny traktować bezpieczeństwo jako element cyklu życia oprogramowania, a nie jako końcowy etap projektu.

W praktyce warto wdrożyć kilka zasad:

• prowadzić pełną inwentaryzację oprogramowania i zależności, w tym bibliotek open source, kontenerów, obrazów systemowych i komponentów używanych w produkcji;
• wdrożyć SBOM, czyli software bill of materials, aby wiedzieć, z czego zbudowane są aplikacje i które komponenty wymagają aktualizacji;
• automatyzować testy bezpieczeństwa w CI/CD, ale nie ograniczać się wyłącznie do prostych skanerów zależności;
• łączyć analizę statyczną, dynamiczną i testy penetracyjne, ponieważ różne klasy błędów wymagają różnych metod wykrywania;
• ćwiczyć proces reagowania na podatności, aby zespół wiedział, kto podejmuje decyzję, kto przygotowuje poprawkę i kto komunikuje ryzyko;
• monitorować projekty open source, od których zależy kluczowe oprogramowanie firmy.

Dla software house’ów Project Glasswing jest także argumentem sprzedażowym. Klienci będą coraz częściej pytać nie tylko o funkcjonalności, design i czas realizacji, ale również o to, jak dostawca zabezpiecza kod. Firmy tworzące oprogramowanie powinny mieć gotową odpowiedź: jak wygląda secure development lifecycle, jak sprawdzane są zależności, czy wykonywane są code review pod kątem bezpieczeństwa, czy klient otrzymuje dokumentację techniczną, czy aplikacja jest przygotowana na szybkie aktualizacje i czy architektura minimalizuje skutki ewentualnej podatności.

Anthropics Mythos, open source i problem zależności w nowoczesnym software

Anthropic Mythos szczególnie mocno dotyka świata open source, ponieważ współczesne oprogramowanie rzadko powstaje od zera. Aplikacje internetowe, systemy firmowe, narzędzia AI, platformy chmurowe i rozwiązania przemysłowe korzystają z tysięcy bibliotek, frameworków i komponentów rozwijanych przez społeczność. To ogromna siła ekosystemu technologicznego, ale również ogromne wyzwanie bezpieczeństwa. Jeden błąd w popularnej bibliotece może przełożyć się na ryzyko w tysiącach produktów.

Project Glasswing zakłada wsparcie dla opiekunów projektów open source, ponieważ to właśnie oni często utrzymują kod, od którego zależą banki, chmury, administracja, systemy medyczne, narzędzia developerskie i aplikacje konsumenckie. Problem polega na tym, że wielu maintainerów pracuje z ograniczonym budżetem i niewielkim zespołem. Jeśli model AI zacznie generować dużą liczbę trafnych zgłoszeń podatności, społeczność open source może potrzebować nie tylko narzędzi, ale też finansowania, procesów i pomocy w triage’u.

Dla firm korzystających z open source oznacza to konieczność większej odpowiedzialności. Nie wystarczy pobrać bibliotekę, wdrożyć ją w produkcji i zapomnieć o aktualizacjach. Organizacja powinna wiedzieć, które komponenty są krytyczne, kto je utrzymuje, jak szybko pojawiają się poprawki, czy projekt ma aktywną społeczność i czy istnieją znane podatności. Warto również wspierać najważniejsze projekty finansowo lub technicznie, szczególnie jeśli firma buduje na nich własne produkty komercyjne.

Najbardziej praktyczna zmiana dotyczy zarządzania ryzykiem łańcucha dostaw. Project Glasswing przypomina, że bezpieczeństwo aplikacji zależy nie tylko od kodu napisanego przez własny zespół, ale także od całego ekosystemu zależności. W dojrzałej organizacji lista komponentów open source powinna być traktowana podobnie jak lista dostawców biznesowych: z oceną ryzyka, monitoringiem zmian i planem awaryjnym.

Project Glasswing a regulacje, infrastruktura krytyczna i bezpieczeństwo państw

Project Glasswing ma również wymiar geopolityczny i regulacyjny. Anthropic podkreśla, że zabezpieczanie krytycznej infrastruktury jest priorytetem bezpieczeństwa narodowego dla państw demokratycznych. Firma informowała o rozmowach z przedstawicielami rządu USA dotyczących możliwości ofensywnych i defensywnych Claude Mythos Preview. Równolegle temat modeli AI o wysokich zdolnościach cybernetycznych zainteresował także instytucje publiczne, w tym Komisję Europejską, która według doniesień Reutersa analizuje potencjalne konsekwencje Mythos dla europejskich polityk i regulacji.

Anthropic Mythos wpisuje się w szerszy problem: państwa, regulatorzy i firmy muszą zdecydować, jak klasyfikować modele AI zdolne do wyszukiwania podatności i tworzenia exploitów. Z jednej strony są one niezwykle użyteczne defensywnie. Z drugiej strony ich niekontrolowana dostępność mogłaby zwiększyć ryzyko ataków na sektor finansowy, zdrowotny, energetyczny, transportowy i administrację. To napięcie będzie prawdopodobnie jednym z najważniejszych tematów regulacyjnych w nadchodzących latach.

Dla firm działających w Europie znaczenie mają również takie obszary jak NIS2, DORA, cyberodporność łańcucha dostaw, obowiązki raportowania incydentów i odpowiedzialność zarządów za bezpieczeństwo cyfrowe. Project Glasswing nie jest europejską regulacją, ale pokazuje, czego mogą oczekiwać regulatorzy: szybszej identyfikacji ryzyka, lepszej dokumentacji systemów, bardziej dojrzałego zarządzania podatnościami i realnych procedur reagowania.

W praktyce oznacza to, że organizacje powinny przygotować nie tylko narzędzia techniczne, ale też dokumentację. Trzeba wiedzieć, jakie systemy są krytyczne, które dane są najbardziej wrażliwe, kto ma dostęp administracyjny, jak wygląda plan aktualizacji, jak szybko można wdrożyć poprawkę bezpieczeństwa i jak komunikować incydent. W świecie modeli klasy Mythos brak procedur może być równie groźny jak brak zapory sieciowej.

Anthropics Mythos i przyszłość cyberbezpieczeństwa wspieranego przez AI

Anthropic Mythos może być zapowiedzią nowego modelu cyberbezpieczeństwa, w którym sztuczna inteligencja nie tylko pomaga pisać kod, ale aktywnie testuje jego odporność. To przesunięcie jest fundamentalne. Przez lata bezpieczeństwo aplikacji opierało się na połączeniu doświadczenia ekspertów, narzędzi automatycznych i okresowych audytów. Modele klasy Mythos mogą dodać do tego nową warstwę: agentowe systemy zdolne do samodzielnego analizowania kodu, planowania testów, sprawdzania hipotez i sugerowania poprawek.

Project Glasswing pokazuje jednak, że przyszłość nie będzie polegała na prostym podłączeniu AI do repozytorium i ślepym akceptowaniu wyników. Najważniejsze będzie połączenie modeli z nadzorem ekspertów, procedurami bezpieczeństwa, kontrolą dostępu, odpowiedzialnym ujawnianiem luk i mechanizmami blokującymi nadużycia. Im potężniejszy model, tym większe znaczenie mają zasady jego użycia. To dlatego Claude Mythos Preview pozostaje modelem ograniczonego dostępu, a nie publiczną usługą dla każdego użytkownika.

Można oczekiwać, że podobne możliwości będą stopniowo pojawiać się w kolejnych modelach i narzędziach developerskich. Anthropic zapowiada rozwijanie zabezpieczeń, które mają umożliwić bezpieczniejsze wdrażanie modeli klasy Mythos w przyszłości. Inne firmy technologiczne również pracują nad narzędziami AI do wykrywania i naprawiania błędów w kodzie. Google wskazuje na własne inicjatywy, takie jak Big Sleep i CodeMender, które również są związane z wykrywaniem oraz naprawianiem krytycznych błędów oprogramowania.

Dla rynku oznacza to jedno: AI stanie się trwałym elementem cyberbezpieczeństwa. Firmy, które potraktują to wyłącznie jako ciekawostkę, mogą szybko zostać w tyle. Firmy, które zaczną budować procesy bezpieczeństwa wokół automatyzacji, triage’u, testów, dokumentacji i szybkiego łatania, będą lepiej przygotowane na nową epokę. W tym sensie Anthropic Mythos nie jest tylko nazwą modelu. Jest symbolem momentu, w którym cyberbezpieczeństwo zaczyna przyspieszać tak samo mocno jak rozwój generatywnej sztucznej inteligencji.

Project Glasswing – najważniejsze wnioski dla użytkowników i firm

Project Glasswing należy rozumieć jako początek większej zmiany, a nie jednorazowy eksperyment Anthropic. Jeśli modele AI potrafią znajdować podatności szybciej niż większość ludzi, organizacje muszą przeprojektować swoje podejście do bezpieczeństwa. Najważniejsze będzie nie tylko posiadanie narzędzi, ale zdolność do działania: szybkie wykrycie, szybka decyzja, szybka poprawka i szybkie wdrożenie aktualizacji.

Anthropic Mythos pokazuje, że przewagę zyskają ci, którzy potrafią połączyć AI z dojrzałym procesem bezpieczeństwa. Sama technologia nie wystarczy. Potrzebne są zespoły, procedury, automatyzacja, kontrola jakości kodu, odpowiedzialność za open source i regularne testy. Firmy powinny już teraz sprawdzić, czy wiedzą, jakie komponenty mają w produkcji, które systemy są krytyczne, jak szybko mogą wdrożyć poprawkę oraz kto odpowiada za reakcję na poważną podatność.

Najważniejsze praktyczne wnioski są następujące:

• AI przyspieszy zarówno obronę, jak i atak, dlatego bezpieczeństwo musi być procesem ciągłym;
• podatności zero-day mogą być wykrywane szybciej i na większą skalę, co skraca czas reakcji dla firm;
• open source wymaga większego wsparcia, bo wiele krytycznych systemów zależy od pracy niewielkich zespołów maintainerów;
• software house’y muszą traktować secure by design jako standard, a nie dodatkową usługę;
• organizacje regulowane powinny przygotować dokumentację i procedury, bo presja regulacyjna wokół cyberodporności będzie rosnąć;
• modele klasy Mythos nie powinny być wdrażane bez kontroli, ponieważ ich możliwości mają również potencjał ofensywny.

Ostatecznie Anthropic Mythos i Project Glasswing pokazują, że era cyberbezpieczeństwa wspieranego przez AI już się rozpoczęła. To nie jest odległa prognoza ani futurystyczna wizja. To praktyczna zmiana w sposobie, w jaki będą wykrywane luki, zabezpieczane systemy i projektowane procesy tworzenia oprogramowania. Dla użytkowników oznacza to większą szansę na bezpieczniejsze produkty. Dla firm oznacza to większą odpowiedzialność. Dla całej branży technologicznej oznacza to konieczność działania szybciej, mądrzej i bardziej zespołowo niż dotychczas.

FAQ – Anthropics Mythos i Project Glasswing

Podsumowanie

Anthropic Mythos i Project Glasswing są jednym z najważniejszych przykładów tego, jak sztuczna inteligencja zmienia cyberbezpieczeństwo. Claude Mythos Preview pokazuje, że modele AI mogą już nie tylko pomagać w pisaniu kodu, ale również samodzielnie analizować oprogramowanie, wyszukiwać podatności i wspierać proces ich naprawiania. To ogromna szansa dla obrońców, ale także bardzo poważne ryzyko, jeśli podobne zdolności zostaną wykorzystane ofensywnie.

Project Glasswing jest próbą przesunięcia tej przewagi na stronę defensywy. Zamiast publicznie udostępniać model o wysokich zdolnościach cybernetycznych, Anthropic kieruje go do kontrolowanego programu z udziałem największych firm technologicznych, organizacji open source i podmiotów odpowiedzialnych za krytyczne systemy. To rozsądny kierunek, ale nie rozwiązuje całego problemu. Branża musi przygotować nowe standardy ujawniania podatności, automatyzacji łatania, bezpieczeństwa łańcucha dostaw i odpowiedzialnego wdrażania modeli AI.

Najważniejszy wniosek dla firm jest prosty: cyberbezpieczeństwo w erze AI musi być szybsze, bardziej zautomatyzowane i bliższe procesowi tworzenia oprogramowania. Kto nadal traktuje bezpieczeństwo jako dodatek na końcu projektu, będzie coraz bardziej narażony. Kto zacznie budować secure by design, kontrolować zależności, automatyzować testy i skracać czas reakcji na podatności, zyska realną przewagę w świecie, w którym AI potrafi znajdować błędy szybciej niż kiedykolwiek wcześniej.

Źródło: Anthropic – Project Glasswing: Securing critical software for the AI era

Dziękujemy za przeczytanie artykułu na Techoteka.pl.
Publikujemy codziennie informacje o sztucznej inteligencji, nowych technologiach, IT oraz rozwoju agentów AI.
Obserwuj nas na Facebooku, aby nie przegapić kolejnych artykułów.