GPT-6 Cyber: বেঞ্চমার্ক বোঝা ও নিরাপত্তার সংশোধন যাচাই

OpenAI ২০২৬ সালের ৫ নভেম্বর GPT-6 Cyber ঘোষণা করেছে। শুরুতে নির্বাচিত Daybreak Red গ্রাহকেরা API ও Codex দিয়ে ব্যবহার করতে পারবেন। দলের কাজ হলো আবিষ্কারকে পর্যালোচিত সংশোধনে বদলে ব্যবহারকারীর কাছে পৌঁছে দেওয়া।

কী প্রকাশ করা হয়েছে

সিস্টেম কার্ড একে অনুমোদিত নিরাপত্তার কাজের জন্য GPT-6 Astra-এর বিশেষ সংস্করণ বলছে। প্রবেশাধিকার সীমিত। ঘোষণা মানেই সব API অ্যাকাউন্টে ব্যবহারযোগ্য নয়; এখানে অনুমান করা মডেল ID বা SDK কল দেওয়া হয়নি।

সংখ্যাগুলো কী বোঝায়

ExploitGym ফল 32.1% থেকে 48.5% হয়েছে: বৃদ্ধি 16.4 শতাংশ পয়েন্ট, আপেক্ষিক উন্নতি প্রায় 51.1%। নির্দিষ্ট দুর্বলতা কাজে লাগানো ও অজানা ত্রুটি খোঁজা আলাদা কাজ।

সোর্স কোড ছাড়া ওয়েব পরীক্ষায় recall 40.3%, Astra-এর 32.0%। শুধু এটি দিয়ে ভুল সতর্কতার চাপ বোঝা যায় না। লক্ষ্য, টুলের বাজেট, পুনরায় চেষ্টা, মানুষের সহায়তা এবং গৃহীত আবিষ্কারপ্রতি খরচ জানতে হবে। এই সাইট সরবরাহকারীর পরীক্ষা স্বাধীনভাবে পুনরাবৃত্তি করেনি।

Linux ও Firefox-এর প্রমাণ

Linux প্রতিবেদন 2,308 সম্ভাব্য ফল, 1,724 পুনরুৎপাদিত দুর্বলতা ও 948 কার্যকর স্থানীয় বিশেষাধিকার বৃদ্ধির এক্সপ্লয়েট আলাদা করেছে। সন্দেহ আর বাস্তবে অনুমতির সীমা পার হওয়ার প্রমাণ সমান নয়। স্থানীয় বিশেষাধিকার বৃদ্ধিতে আগে স্থানীয় প্রবেশাধিকার লাগে; এটি দূর থেকে কোড চালানোর সমার্থক নয়।

ওই পরীক্ষায় API ক্রেডিট খরচ 1,213,430 মার্কিন ডলার, কার্যকর স্থানীয় এক্সপ্লয়েটপ্রতি প্রায় 1,279 ডলার। এটি পণ্যের দাম বা পুরো শ্রমব্যয় নয়। Firefox বিজ্ঞপ্তি থেকে কম্পোনেন্ট, তীব্রতা ও বাগের লিংক দেখা যায়। ২৭ অক্টোবরের বিজ্ঞপ্তি মডেল ঘোষণার আগে; আবিষ্কার, প্রকাশ, সংশোধন ও ঘোষণা আলাদা সময়ের ঘটনা।

উত্তর থেকে সংশোধন

নিচের চিত্র লেখকের প্রস্তাব, আনুষ্ঠানিক স্থাপত্য নয়। আগে রিভিশন ও পরিবেশ স্থির করুন। মডেল অনুমান ও প্যাচ প্রস্তাব করবে, পৃথক রানার সমস্যা পুনরুৎপাদন ও সংশোধন যাচাই করবে।

ইনপুট, লগ, কমান্ড ও diff রাখুন। একই উদাহরণ প্যাচের আগে ব্যর্থ এবং পরে সফল হবে; পাশের স্বাভাবিক আচরণের regression পরীক্ষাও লাগবে। ফিচার বন্ধ করলে ক্র্যাশ থামলেও পণ্য নষ্ট হতে পারে।

চালানো যায় এমন প্রমাণ পরীক্ষা

কোড evidence-gate.ts হিসেবে রেখে bun run evidence-gate.ts চালান। এটি নেটওয়ার্ক বা GPT-6 Cyber ব্যবহার করে না। commit, পরিবেশ ও প্যাচের আগে-পরে ফলসহ স্থানীয় রেকর্ড পরীক্ষা করে।

type Finding = {
  id: string;
  commit: string;
  environment: string;
  before: number;
  after: number;
  regression: number;
  reviewer: string | null;
};

function readyForReview(f: Finding): boolean {
  return (
    /^[a-f0-9]{40}$/.test(f.commit) &&
    f.environment.trim().length > 0 &&
    f.before !== 0 &&
    f.after === 0 &&
    f.regression === 0
  );
}

const finding: Finding = {
  id: "LAB-001",
  commit: "a".repeat(40),
  environment: "isolated-vm / fixture-v1",
  before: 1,
  after: 0,
  regression: 0,
  reviewer: null,
};

if (!readyForReview(finding)) {
  throw new Error("Evidence incomplete");
}
console.log(
  JSON.stringify({
    id: finding.id,
    readyForReview: true,
    approved: finding.reviewer !== null,
  }),
);

উদাহরণে readyForReview: true ও approved: false আসে। exit code বিশ্বস্ত রানার থেকে আসতে হবে। এটি শোষণযোগ্যতা, প্যাচের সঠিকতা বা পর্যালোচকের পরিচয় প্রমাণ করে না; প্রমাণীকৃত অনুমোদন ও অপরিবর্তনীয় নথি দরকার। কাল্পনিক commit বদলে পরীক্ষিত রিভিশন দিন।

সীমা কার্যকর করার দায় নির্বাহ স্তরের

ঘোষণায় deployment prompt ছাড়া সীমা মানার হার 99.93%, সঙ্গে 100%। এটি পরীক্ষার পর্যবেক্ষণ, সর্বজনীন নিশ্চয়তা নয়। সিস্টেম কার্ড সাইবার ক্ষমতাকে Critical বলেছে।

লক্ষ্যের অনুমতি, বাইরের নেটওয়ার্ক ও credentials মডেলের বাইরে নিয়ন্ত্রণ করুন। রানারের বাজেট সীমিত ও পরিবেশ বাতিলযোগ্য রাখুন। রিপোজিটরি বা ওয়েবপৃষ্ঠার নির্দেশ তথ্য, নতুন অনুমোদন নয়।

পরীক্ষামূলক ব্যবহারে কী মাপবেন

নিজের রিপোজিটরিতে একই রিভিশন ও বাজেট দিয়ে তুলনা করুন। গৃহীত স্বতন্ত্র আবিষ্কার, পুনরুৎপাদনযোগ্যতা, পর্যালোচনার সময়, প্যাচ গ্রহণ ও স্থাপন পর্যন্ত সময় মাপুন। একই সতর্কতা বারবার এলেও শ্রম যায়।

পৌঁছানো যায় না এমন সন্দেহজনক কোড, আগেই ঠিক হওয়া বাগ, ক্র্যাশ ঢেকে রাখা প্যাচ ও অননুমোদিত লক্ষ্য রাখুন। প্রমাণ কম হলে অনিশ্চয়তা বজায় রেখে থামতে হবে। আমার মতে মূল মাপ হলো পুনরুৎপাদনযোগ্য আবিষ্কার থেকে চালু সংশোধন পর্যন্ত সময়।

তথ্যসূত্র

লেখা ও অনুবাদে AI সহায়তা নেওয়া হয়েছে। উৎসের তথ্য, উদাহরণ ও লেখকের পরামর্শ আলাদা করা হয়েছে।