Small Language Models „Antares“ Cisco bietet KI-Schwachstellen-Analyse für weniger als einen Dollar

Anbieter zum Thema

Widas ID GmbH

Fujitsu Technology Solutions GmbH

FTAPI Software GmbH

Mit den Small Language Models „Antares“ bietet Cisco eine kostengünstige Möglichkeit zur Lokalisierung von Schwachstellen im Quellcode. Die Modelle stehen als Open-Weight-Version auf Hugging Face bereit.

Was bisher als besonders zeitaufwendig und teuer galt, will Cisco ab sofort schnell und un­kom­pli­ziert abwickeln: die Lokalisierung bekannter Schwachstellen im Quellcode. Dafür hat der Hersteller eine neue Familie kleiner Sprachmodelle, sogenannter Small Language Models (SLMs), namens „Antares“ vorgestellt. Die ersten beiden Versionen – Antares-350M und Antares-1B – stehen ab sofort als Open-Weight-Modelle auf Hugging Face zur Verfügung. Eine vollständige Evaluierung mit 500 Einträgen dauert Cisco zufolge mit Antares rund 15 Minuten auf einer einzelnen GPU und kostet weniger als einen US-Dollar. Damit sei dieser Workflow „etwa 15-mal günstiger als das beste Open-Source-Modell und 172-mal günstiger als das führende Frontier-Modell“.

Governance und Technik sichern KI-generierten Code

KI-Coding-Tools steigern Produktivität und das Risiko gleichermaßen

So funktioniert Antares

Während klassische Tools zur statischen Codeanalyse oft regelintensiv sind und oftmals Ergebnisse liefern, die einen erheblichen Aufwand bei der Triage erfordern, folge Antares einem iterativen Suchmuster, das sich an der Vorgehensweise eines Menschen orientierte Jedes Modell suche anhand einer Schwachstellenbeschreibung nach relevanten Codemustern, analysiere potentiell betroffene Dateien, berücksichtige neue Hinweise und passe die Suchstrategie an, wenn ein Pfad nicht weiterführt.

Cisco betont, dass Antares Expertenteams nicht ersetzen soll, sondern die erste Analyse von Schwachstellen im Quellcode schneller, reproduzierbarer und transparenter durchführen kann. In der Praxis unterstütze Antares bei folgenden Arbeitsabläufen:

• Auffinden von Dateien, die zu einer CWE-Kategorie gehören, in einem Repository-Snapshot

• Triage von Untersuchungen auf Basis von Sicherheitshinweisen

• Ergänzung der statischen Codeanalyse durch modellgesteuerte Repository-Erkundung

• Unterstützung von CI/CD-Triage-Workflows zur frühzeitigen Prüfung anfälliger Dateien

• Lokale Sicherheitsanalysen in Umgebungen mit strengen Datenschutz- oder Compliance-Anforderungen

Allerdings ersetze Antares keine umfassende Toolchain für die Anwendungssicherheit. Sicherheitsteams würden weiterhin Analysen von Abhängigkeiten und Softwarekomponenten benötigen, Secret Scanning, dynamische Tests, Infrastruktur- und Containerprüfungen, Bedrohungsmodellierung, Workflows zur Behebung von Schwachstellen sowie die Prüfung durch Fachleute.

Für Enterprise-Kunden

Anthropic startet Beta-Phase für Claude Security

Für Organisationen mit begrenzten Ressourcen

Nichtsdestotrotz haben Benchmark-Tests Cisco zufolge gezeigt, dass die neuen SLMs bei dieser wichtigen Sicherheitsaufgabe zahlreiche leistungsstarke Closed- und Open-Weight-Modelle übertreffen und dabei nur einen Bruchteil der Kosten verursachen. Die Modelle können lokal ausgeführt werden, was die Betriebskosten senke, während sensibler Quellcode vollständig in der Umgebung des Kunden bleib und nicht in die Cloud übertragen werden müsse. Cisco adressiere mit diesem Angebot vor allem auch Organisationen mit begrenzten Ressourcen, etwa Universitäten, Einrichtungen des öffentlichen Sektors und kleinere Sicherheitsteams, denen bislang die Mittel fehlen, um tokenintensive KI-Modelle für kritische Aufgaben einzusetzen.

Zusammen mit den offenen Spezifikationen zum Aufbau agentenbasierter Sicherheits­bewertungs­systeme von Cisco Foundry Security Spec, den Leitlinien für sicheres Programmieren von CodeGuard und einem neuen Benchmark ergänzt der Hersteller mit Antares sein Angebot für Cybersicherheitsteams. Zudem will der Hersteller ein neues Ökosystem samt Standards für den Einsatz dieser Tools im Unternehmen entwickeln.

GitLab-Studie zur KI-Softwareentwicklung

KI-Code wächst schneller als Governance

(ID:50906231)