चीनी AI मॉडल बग खोज का स्तर बढ़ाते हैं: विश्लेषण

किसी वल्नरेबिलिटी बैकलॉग में कहीं एक बग बिना फ्रिज की सुशी की तरह पुराना होता जा रहा है, जबकि तीन टीमें इस पर बहस कर रही हैं कि स्कैनर भ्रम देख रहा है या नहीं। चीनी AI मॉडल्स और ऑटोमेटेड बग डिस्कवरी को लेकर ताज़ा चिंता का यही खुशमिज़ाज संदर्भ है। महत्वपूर्ण बात मॉडल-राष्ट्रवाद या लीडरबोर्ड की चमक-दमक नहीं है। बात यह है कि वल्नरेबिलिटी डिस्कवरी सस्ती, तेज़, और उन थोड़े से इंसानों पर कम निर्भर होती जा रही है जो क्रैश डंप को तब तक घूर सकते हैं जब तक वह सच न बोल दे। यह सामान्य अर्थों में कोई ब्रीच नहीं है, न कोई चोरी हुआ डेटाबेस, न वह माफ़ीनामा जिसमें सुरक्षा को गंभीरता से लेने वाली पारंपरिक पंक्ति होती है। यह क्षमता में बदलाव है, और इसलिए ज़्यादा चुपके से असर डालता है। जब डिस्कवरी तेज़ होती है, तो डिफेंडर्स को बेहतर टूल मिलते हैं, थ्रेट एक्टर्स को बेहतर टूल मिलते हैं, और पैच मैनेजमेंट के हाथ में स्टॉपवॉच थमा दी जाती है।

Natto Thoughts के अनुसार क्या हुआ Natto Thoughts ने रिपोर्ट किया कि Anthropic

ने 7 अप्रैल, 2026 को Project Glasswing के ज़रिए Claude Mythos Preview पेश किया, जिसे 40 से ज़्यादा जाँचे-परखे संगठनों की सीमित साझेदारी को उपलब्ध कराया गया, जिनमें बड़ी टेक्नोलॉजी और साइबरसिक्योरिटी कंपनियाँ शामिल थीं। उसी रिपोर्ट के अनुसार, Anthropic ने कहा कि मॉडल ने व्यापक रूप से उपयोग किए जाने वाले सॉफ़्टवेयर में, जिनमें बड़े ऑपरेटिंग सिस्टम और वेब ब्राउज़र शामिल हैं, हज़ारों हाई-सीवेरिटी वल्नरेबिलिटी पहचानीं। Natto Thoughts ने यह भी रिपोर्ट किया कि कुछ मामलों में सिस्टम बिना मानवीय हस्तक्षेप के अपने-आप एक्सप्लॉइट विकसित कर सकता है और वल्नरेबिलिटी को चेन कर सकता है, और Anthropic ने डिप्लॉयमेंट जोखिमों और सेफ़गार्ड्स की ज़रूरत के कारण इसे सार्वजनिक रूप से जारी नहीं किया है।

यही वह हिस्सा है जहाँ हर AppSec लीड चुपचाप अपनी Jira कतार को देखता है और मधुमक्खी पालन में करियर बनाने पर विचार करता है। Natto Thoughts ने चीनी कंपनियों को भी इस तरह प्रस्तुत किया कि वे उद्योग विशेषज्ञों के अनुसार कुछ महीनों में Claude Mythos से जोड़ी गई क्षमताओं की बराबरी कर सकती हैं। रिपोर्ट ने 360 Digital Security Group के चेयरमैन और CEO Zhou Hongyi को उद्धृत किया: “जो भी ऑटोमेटेड वल्नरेबिलिटी डिस्कवरी टेक्नोलॉजी में महारत हासिल करता है, वह साइबर आक्रमण और रक्षा में बढ़त रखता है।” दुर्भाग्य से उन सभी के लिए जिन्हें नींद पसंद है, यह उद्धरण उसी साफ़ अनिवार्यता के साथ पुराना हुआ है जैसे कोई CVE शुक्रवार को एक्सप्लॉइट हो जाना।

Axios और SecurityWeek के अनुसार तुलना क्यों मायने रखती है

Axios ने बड़े नीतिगत क्षण को इस तरह प्रस्तुत किया कि चीन की AI प्रगति अमेरिका की सेफ़्टी बहस से टकरा रही है। SecurityWeek ने एक चीनी साइबरसिक्योरिटी फर्म के AI हैकिंग दावों पर अपनी हेडलाइन में कहा कि इन दावों की तुलना Claude Mythos से की गई। हर दावे को सत्यापित करने के लिए पर्याप्त सार्वजनिक तकनीकी विवरण न होने पर भी, तुलना खुद मायने रखती है, क्योंकि Claude Mythos सुरक्षा टूलिंग की एक नई श्रेणी के लिए मापदंड बन गया है: ऐसे सिस्टम जो केवल कोड का सारांश नहीं बनाते, बल्कि यह खोजने में मदद करते हैं कि सॉफ़्टवेयर कहाँ से टूटता है।

यह अर्थशास्त्र बदल देता है। पारंपरिक वल्नरेबिलिटी रिसर्च धीमी होती है क्योंकि विशेषज्ञों का समय दुर्लभ होता है, टार्गेट अजीब होते हैं, और सॉफ़्टवेयर अधिकतर पिछली डेडलाइनों का तलछटी रिकॉर्ड होता है। AI-सहायता प्राप्त डिस्कवरी विशेषज्ञ सत्यापन की ज़रूरत को खत्म नहीं करती, लेकिन यह पहले पास को बड़ा कर सकती है: ज़्यादा कोड पाथ खोजे जाते हैं, ज़्यादा संदिग्ध पैटर्न फ़्लैग होते हैं, और ज़्यादा प्रूफ़-ऑफ़-कॉन्सेप्ट काम तेज़ होता है। थ्रेट एक्टर्स हुडी पहने कोई जादुई खलनायक नहीं होते; वे खराब नैतिकता वाले ऑपरेशंस मैनेजर होते हैं, और उन्हें ऐसी हर चीज़ पसंद होती है जो श्रम लागत घटाती है।

Fox News और The National Desk के अनुसार क्या उजागर हुआ Fox

News ने Booz Allen की चेतावनी पर केंद्रित एक कहानी में रिपोर्ट किया कि चीनी AI मॉडल्स अमेरिकी यूज़र्स द्वारा उपयोग किए जाने वाले कोड में वल्नरेबिलिटी डाल सकते हैं। The National Desk ने भी 22 जून, 2026 को रिपोर्ट किया कि एक नई रिपोर्ट के बाद चीनी AI मॉडल्स साइबरसिक्योरिटी चिंताएँ बढ़ा रहे थे। उपलब्ध अंश तंत्र का स्वतंत्र रूप से आकलन करने के लिए पर्याप्त विवरण नहीं देते, इसलिए ज़िम्मेदार निष्कर्ष घबराहट नहीं है। वह है सत्यापन।

डिफेंडर्स के लिए, कहानी का कोड-जनरेशन वाला हिस्सा बग डिस्कवरी की दर्पण छवि है। अगर AI वल्नरेबिलिटी खोजने में मदद कर सकता है, तो वह वल्नरेबिलिटी वाला कोड भी बना सकता है, चाहे गलती से, मॉडल व्यवहार के कारण, प्रॉम्प्ट संदर्भ से, या फिर पुराने साधारण सॉफ़्टवेयर एंट्रॉपी ने नया टोपी पहन लिया हो। जनरेटेड कोड को किसी भी अन्य योगदान जैसी ही पाइपलाइन में जाना चाहिए: स्टैटिक एनालिसिस, डिपेंडेंसी चेक, टेस्ट, पीयर रिव्यू, और संवेदनशील पाथ के लिए सिक्योरिटी रिव्यू। मॉडल को सिर्फ इसलिए हॉल पास नहीं मिलता कि वह धाराप्रवाह Python बोलता है और कभी डेंटल इंश्योरेंस नहीं माँगता।

Natto Thoughts और

The National Desk के अनुसार इसका आपके लिए असल मतलब क्या है

व्यावहारिक कदम यह है कि AI-सहायता प्राप्त वल्नरेबिलिटी डिस्कवरी को वर्कफ़्लो समस्या माना जाए, कोई जादुई डिब्बा नहीं। मॉडल्स का उपयोग शोर भरी फ़ाइंडिंग्स को ट्रायाज करने, डुप्लिकेट रिपोर्ट्स को क्लस्टर करने, संदिग्ध कोड पाथ समझाने, टेस्ट केस ड्राफ़्ट करने, और सिक्योर-कोड रिव्यू में सहायता के लिए करें। फिर इंसानों से एक्सप्लॉइटेबिलिटी, प्रभाव, और रेमेडिएशन प्राथमिकता का सत्यापन करवाएँ, क्योंकि आत्मविश्वासी मॉडल फिर भी आत्मविश्वास से गलत हो सकता है, जिससे वह मूल रूप से बेहतर ऑटोकम्प्लीट वाला जूनियर कंसल्टेंट बन जाता है।

सिक्योरिटी टीमों को उबाऊ हिस्सों को भी मापना चाहिए। ट्रैक करें कि AI-सुझाई गई कितनी फ़ाइंडिंग्स असली हैं, वे कितनी जल्दी सही ओनर तक पहुँचती हैं, पैच कितनी बार रिग्रेशन लाते हैं, और कौन से रिपॉज़िटरी दोहराए जाने वाले पैटर्न बनाते हैं। अगर आप ओपन या थर्ड-पार्टी मॉडल्स अपना रहे हैं, तो प्रॉम्प्ट और आउटपुट को संवेदनशील डेटा पाथ से बाहर रखें, जब तक आपकी प्राइवेसी और लीगल टीमें सेटअप को मंज़ूरी न दे दें। हाँ, इसका मतलब एक और पॉलिसी डॉक्यूमेंट है। माफ़ कीजिए। विकल्प यह है कि आप किसी इंसीडेंट कॉल के दौरान अपने सोर्स-कोड गवर्नेंस को डिबग करें, और इसी तरह आत्माएँ शरीर छोड़ती हैं।

अगला चरण यह नहीं है कि AI वल्नरेबिलिटी रिसर्चर्स की जगह लेता है या नहीं। यह इस बारे में है कि क्या रिसर्चर्स, डेवलपर्स, और डिफेंडर्स हमलावरों से पहले बेहतर leverage हासिल करते हैं। स्वतंत्र मूल्यांकन, स्पष्ट disclosure norms, और ऐसे टूल्स पर नज़र रखें जो मॉडल आउटपुट को पैच वैलिडेशन से जोड़ते हैं, बजाय इसके कि वे नाटकीय बग रिपोर्ट पर ही रुक जाएँ। भविष्य उन टीमों का है जो AI-सहायता प्राप्त डिस्कवरी को अनुशासित ट्रायाज, वैलिडेशन, और सिक्योर-कोड रिव्यू में बदल देती हैं, बेहतर होगा कि बैकलॉग किराया वसूलना शुरू करने से पहले।