Ücretsiz DeepSeek modeli, OpenAI’ın kısıtlı siber güvenlik modeline yetişti

OpenAI, en güçlü siber güvenlik yeteneklerini yalnızca onayladığı kurumlara açıyor. Gerekçe, bu gücün yanlış ellere geçmemesi. Ancak yeni bir test, benzer bir yeteneğin artık herkesin indirebileceği ücretsiz bir modelde de bulunduğunu gösteriyor. Yapay zekâ değerlendirme şirketi Vals AI’ın testlerinde Çinli DeepSeek’in V4.1 Flash modeli, simüle edilmiş şirket ağlarına yapılan saldırılarda görevlerin ortalama yüzde 73’ünü tek başına tamamladı. OpenAI’ın kısıtlı erişimli modeliyse yaklaşık yüzde 81’de kaldı.

İki sahte şirket ağı, sıfır insan yardımı

Vals, testi gerçek bir kurumun bilgisayar altyapısını taklit eden iki sanal ağ üzerinde yaptı. Güvenlik dünyasında bu ortamlara “siber poligon” deniyor. İlk ağ Nova, birbirine bağlı birçok Windows alanından oluşan büyük bir şirket ağı ve 21 hedef içeriyor. İkinci ağ Lighthouse ise birbirinden ayrı iki şirket ağından oluşuyor. Burada yapay zekânın önce ilk ağı ele geçirmesi, oradan topladığı bilgilerle ikinci ağa sızması gerekiyor. Yolda sahte bir çalışanı oltalamayla kandırmak gibi adımlar da var. Lighthouse’da toplam 31 hedef bulunuyor.

Modeller bu ağlarda tamamen kendi başlarına çalıştı. Her deneme için ağın sıfırdan bir kopyası kuruldu ve modellere 48 saat süre tanındı. Vals, bir modelin “başardım” demesini yeterli saymadı. Her hedefin içine yalnızca o noktaya ulaşınca okunabilen gizli bir işaret yerleştirdi ve puanları bu işaretlere göre verdi.

Bir ağda başa baş, maliyeti onda bir

Sonuçlara göre en yüksek ortalamayı OpenAI’ın GPT-6 Sol modelinin Daybreak sürümü aldı. Daybreak, OpenAI’ın yalnızca onaylı siber güvenlik ekiplerine açtığı özel bir program. Bu programda model, güvenlik görevlerini daha az reddediyor. DeepSeek ise Nova ağında Daybreak ile aynı seviyede kaldı. Üç denemenin ortalamasında DeepSeek 21 hedeften 16,3’ünü, Daybreak 15,7’sini tamamladı. Lighthouse’da ise Daybreak 31 hedefin 27’sine ulaşırken DeepSeek 21’de kaldı.

Asıl fark maliyette. Vals’a göre DeepSeek, Nova’daki her denemeyi 3 doların altında bir maliyetle tamamladı. Daybreak’te bu maliyet yaklaşık 22 dolar. Vals’ın dikkat çektiği bir nokta daha var: Bir modelin ağırlıkları, yani modeli çalıştıran dosyalar herkese açık olduğunda hiçbir şirket modelin nasıl kullanıldığını izleyemiyor ya da durduramıyor. DeepSeek’in “açık ağırlıklı” olması tam olarak bu anlama geliyor. Herkes modeli indirip kendi sunucusunda çalıştırabiliyor.

Diğer modeller nerede kaldı?

Testteki diğer modellerin sonuçları daha dağınık. Meta’nın Wonder modeli Lighthouse’da 28 hedefle Daybreak’i bile geçti, ancak Nova’da yalnızca 7 hedefe ulaştı. Kimi K3.1 Pro yaklaşık yüzde 63, Grok 4.7 yüzde 54 civarında kaldı. Kimi K3 ve GLM 5.3 Flash ise daha düşük puan aldı. Vals’a göre Grok 4.7, Kimi K3 ve GLM 5.3 Flash, kendilerine ayrılan kaynağı bitirmeden takılıp kaldı. DeepSeek ise ilerlemesinin büyük kısmını uzun çalışmanın ikinci yarısında kaydetti. Bu da kısa testlerin modelin gücünü olduğundan düşük gösterebileceği anlamına geliyor.

Henüz hiçbir model sona ulaşamadı

Sonuçlar ürkütücü görünse de testin sınırları var. Lighthouse’da hiçbir model son hedeflere ulaşamadı. Nova’da da yalnızca tek bir deneme son aşamaya kadar gidebildi. Vals, test edilen ağ ve model sayısını artıracağını belirtiyor. Araştırmacılar ayrıca aynı yeteneğin savunma tarafında da işe yarayabileceğini, şirketlerin açıklarını saldırganlardan önce bulmasına yardım edebileceğini vurguluyor.

Konunun teorik bir tartışmadan ibaret olmadığını gösteren örnekler de var. Censys’in kısa süre önce yayımladığı rapora göre CrowdStrike, Güney Kore’deki finans şirketlerine yönelik bir saldırıda saldırganın ana model olarak aynı DeepSeek sürümünü kullandığını tespit etti.