Anthropic rozszerza dostęp do Claude dla zweryfikowanych zespołów cyberbezpieczeństwa

Wprowadzenie do problemu / definicja

Anthropic rozszerzył program Cyber Verification Program, umożliwiając zweryfikowanym zespołom cyberbezpieczeństwa korzystanie z modeli Claude z ograniczonymi mechanizmami blokowania typowych działań związanych z bezpieczeństwem. To ważny krok w kierunku szerszego wykorzystania sztucznej inteligencji w legalnych zastosowaniach defensive security, takich jak analiza podatności, testy penetracyjne czy reverse engineering malware.

Decyzja wpisuje się w rosnący trend traktowania zaawansowanych modeli AI jako narzędzi dual-use, które mogą jednocześnie wspierać obrońców i zwiększać potencjał operacyjny w obszarach wymagających ścisłego nadzoru. Dlatego rozszerzenie dostępu do takich modeli wymaga nie tylko technologii, ale także dojrzałych zasad governance i kontroli dostępu.

W skrócie

Anthropic uruchomił rozszerzoną wersję Cyber Verification Program z trzema poziomami dostępu.
Program obejmuje m.in. modele Claude Opus 5.5, Claude Sonnet 5.5 i Claude Mythos 5.1.
W ramach Project Glasswing zidentyfikowano co najmniej 129 tys. zweryfikowanych podatności od kwietnia do lipca 2026 r.
Dodatkowo wykryto 5,5 tys. błędów podczas skanowania projektów open source od kwietnia do października 2026 r.
Ponad 33 tys. zgłoszonych luk miało otrzymać klasyfikację krytyczną lub wysoką.
Najbardziej uprzywilejowane poziomy dostępu znacząco ograniczają standardowe safeguardy modeli.

Kontekst / historia

Project Glasswing powstał jako inicjatywa nastawiona na wykorzystanie AI do szybszego wykrywania i walidacji podatności w istotnym oprogramowaniu. Celem projektu było zwiększenie skuteczności defensywy poprzez odnajdywanie błędów zanim zostaną wykorzystane przez atakujących, a także wsparcie procesu coordinated disclosure.

Rozszerzenie Cyber Verification Program nie jest więc działaniem przypadkowym, lecz kolejnym etapem strategii Anthropic. Firma stopniowo buduje model kontrolowanego dostępu do bardziej zaawansowanych możliwości cybernetycznych, próbując pogodzić bezpieczeństwo modeli ogólnego przeznaczenia z potrzebami profesjonalnych zespołów bezpieczeństwa.

Istotny pozostaje również kontekst rynkowy. Dostawcy AI coraz częściej przyznają, że nowoczesne modele mają charakter dual-use. Te same zdolności, które pomagają w analizie kodu i identyfikacji podatności, mogą wspierać tworzenie scenariuszy eksploatacji. Z tego względu podobne programy stają się jednocześnie narzędziem technologicznym i testem dojrzałości organizacyjnej dostawców.

Analiza techniczna

Rozszerzony Cyber Verification Program został podzielony na trzy poziomy dostępu. Defense Access obejmuje działania stricte obronne, takie jak reagowanie na incydenty, analiza podatności i inżynieria wsteczna malware. Red Team Access dodaje możliwość prowadzenia autoryzowanych testów penetracyjnych i ćwiczeń red team. Specialized Access jest najbardziej uprzywilejowany i przeznaczony dla wybranych organizacji prowadzących badania nad bezpieczeństwem samych mechanizmów ochronnych AI.

Z perspektywy technicznej kluczowe znaczenie ma model weryfikacji użytkowników. Anthropic nie udostępnia tych możliwości publicznie, lecz ogranicza je do podmiotów przechodzących proces sprawdzający. Ma to zmniejszyć ryzyko nadużyć przy jednoczesnym zachowaniu użyteczności modeli dla legalnych zastosowań cyberbezpieczeństwa.

Według opublikowanych wyników standardowy dostęp bez CVP blokował wszystkie zadania już przy pierwszym poleceniu. Na poziomie Defense Access zabezpieczenia nadal zatrzymywały większość testów, natomiast Red Team Access znacząco redukował barierę blokowania, osiągając skuteczność zbliżoną do trybu bez safeguardów. Oznacza to, że program nie jest jedynie formalnym wyjątkiem, lecz realnie odblokowuje zastosowania wysokiej wartości dla specjalistów bezpieczeństwa.

Duże znaczenie mają również dane z Project Glasswing. Skala 129 tys. zweryfikowanych podatności oraz dodatkowych 5,5 tys. błędów w projektach open source pokazuje, że AI może istotnie zwiększyć tempo vulnerability discovery. Jednocześnie przesuwa to wąskie gardło z etapu wykrywania na walidację, priorytetyzację i skuteczną remediację.

Warto jednak podkreślić, że nie każda znaleziona luka przekłada się na praktyczny wektor ataku. W części analiz wskazywano, że tylko niewielki odsetek podatności powiązanych z odkryciami Anthropic lub Glasswing był faktycznie wykorzystywany in the wild. Dla zespołów SOC, PSIRT i vulnerability management oznacza to konieczność bardzo ostrożnego oddzielania wartości operacyjnej od szumu analitycznego.

Konsekwencje / ryzyko

Najważniejszą konsekwencją rozszerzenia programu jest obniżenie bariery wejścia do zaawansowanej analizy bezpieczeństwa po stronie uprawnionych zespołów. W praktyce może to oznaczać szybszą analizę kodu, sprawniejsze potwierdzanie podatności, lepsze wsparcie przy tworzeniu proof-of-concept oraz skrócenie czasu od wykrycia luki do jej usunięcia.

Ryzyko nie znika jednak wraz z weryfikacją użytkowników. System przyznający uprzywilejowany dostęp do modeli o wysokich zdolnościach cybernetycznych sam staje się atrakcyjnym celem dla nadużyć, przejęć kont, insider threat i błędów proceduralnych. Z operacyjnego punktu widzenia taki dostęp powinien być traktowany podobnie jak dostęp do krytycznych narzędzi ofensywnych.

Drugim wyzwaniem jest skala. Masowe wykrywanie luk przez AI może przeciążyć zespoły odpowiedzialne za triage, walidację i patch management. Jeśli liczba zgłoszeń rośnie szybciej niż zdolność organizacji do ich obsługi, wzrasta ryzyko błędnej priorytetyzacji i opóźnień w usuwaniu istotnych podatności.

Trzeci obszar ryzyka dotyczy jakości wyników. Modele AI mogą generować trafne obserwacje, ale także fałszywe alarmy, niepełne ścieżki ataku czy ryzykowne rekomendacje naprawcze. W praktyce oznacza to, że AI nie zastępuje eksperta, lecz zwiększa tempo pracy pod warunkiem zachowania rygorystycznej weryfikacji technicznej.

Rekomendacje

Organizacje planujące wykorzystanie podobnych programów powinny wdrożyć formalne zasady governance dla narzędzi AI używanych w cyberbezpieczeństwie. Obejmuje to klasyfikację przypadków użycia, kontrolę autoryzacji, rejestrowanie sesji, retencję promptów oraz monitorowanie działań użytkowników z dostępem uprzywilejowanym.

Dobrym podejściem jest również techniczne rozdzielenie zastosowań defensywnych i ofensywnych. Osobne konta, odrębne workflow oraz dedykowane środowiska dla analizy malware, pentestów, red teamingu i walidacji podatności poprawiają audytowalność i ograniczają ryzyko nadużyć.

Zespoły bezpieczeństwa powinny przygotować proces triage dostosowany do większego wolumenu znalezisk generowanych lub wspieranych przez AI. Kluczowe znaczenie ma automatyczne deduplikowanie zgłoszeń, ocena exploitability, mapowanie do zasobów krytycznych oraz priorytetyzacja według realnego wpływu biznesowego.

Każdy wynik uzyskany z pomocą modelu powinien być potwierdzany metodami klasycznymi, takimi jak analiza ręczna, testy odtwarzalności, walidacja warunków brzegowych i ocena wpływu na środowisko produkcyjne. Szczególną ostrożność należy zachować wobec rekomendacji patchowania, ponieważ błędna poprawka może wprowadzić nowe problemy bezpieczeństwa lub regresję funkcjonalną.

Warto także stosować zasadę minimalnych uprawnień. Dostęp do modeli z ograniczonymi safeguardami powinien być czasowy, celowy i przypisany do konkretnych zadań. Uzupełnieniem powinny być regularne przeglądy uprawnień, MFA, silna federacja tożsamości i szybka dezaktywacja dostępu po zakończeniu prac.

Podsumowanie

Rozszerzenie Cyber Verification Program pokazuje, że AI w cyberbezpieczeństwie wchodzi w etap kontrolowanej profesjonalizacji. Modele językowe przestają być wyłącznie narzędziem zwiększającym produktywność, a stają się platformą wspierającą wykrywanie i walidację podatności na dużą skalę.

Dla branży security kluczowy wniosek jest podwójny. Zaawansowane modele AI mogą realnie zwiększyć możliwości obrońców, ale bez silnego nadzoru, audytu i dojrzałych procesów operacyjnych te same możliwości mogą zwiększyć powierzchnię ryzyka. Ostatecznie przewaga nie będzie zależeć wyłącznie od liczby wykrytych podatności, lecz od zdolności organizacji do ich bezpiecznej i skutecznej obsługi.