Cisco Foundation AI har nu offentliggjort lanseringen av Foundation-sec-8B-Reasoning, en ny AI-modell som är skräddarsydd för att hantera komplexa resonemang inom cybersäkerhet. Med fokus på transparens och analysförmåga tar denna modell sikte på att ge säkerhetsanalytiker kraftfullare verktyg för att förstå och bemöta digitala hot.
I en tid där digital säkerhet blir allt mer komplex, har Cisco Foundation AI presenterat en lösning som specifikt adresserar behovet av djupgående analys. Den nya modellen, vars fullständiga namn är Llama-3.1-FoundationAI-SecurityLLM-8B-Reasoning, är en så kallad “open-weight”-modell med 8 miljarder parametrar. Den är byggd på ramverket Llama-3.1 och är konstruerad för att utföra strukturerade analytiska uppgifter i flera steg, snarare än att bara leverera enkla svar.
Synliggör logiken bakom besluten
En av de mest framträdande egenskaperna hos Foundation-sec-8B-Reasoning är dess förmåga att producera explicita resonemangsspår (“reasoning traces”) vid sidan av sina utdata. Detta är en funktion som designats för att hjälpa analytiker att validera logiken bakom modellens slutsatser.
Genom att använda tekniker som “test-time computation” och finjustering av resonemang, kan modellen bryta ner problem och visa hur den kommit fram till ett visst resultat. Detta är särskilt värdefullt i arbetsflöden som kräver hög precision, såsom hotmodellering, analys av attackvägar, granskning av konfigurationer, riskutvärdering och incidentutredning.
Prestanda som utmanar jättarna
Trots att modellen är optimerad för specifika ändamål, visar den upp imponerande prestanda. Enligt informationen från Cisco Foundation AI är modellen optimerad för miljöer med hög säkerhetspåverkan och agentiska system.
Intressant nog erbjuder den prestanda som överträffar större, generella modeller på domänspecifika riktmärken. Ett exempel som lyfts fram är “vulnerability root-cause mapping”, där modellen visar sin styrka i att identifiera grundorsaker till sårbarheter. Detta indikerar att en specialiserad modell kan vara mer effektiv än en generell jätte när det kommer till nischade och kritiska säkerhetsuppgifter.
Flexibel och säker distribution
För organisationer med strikta säkerhetskrav är distributionen av AI-modeller en kritisk faktor. Foundation-sec-8B-Reasoning är tillgänglig via Hugging Face och är utformad för att stödja lokal distribution, installationer “on-premises” eller i helt luftgapade miljöer (air-gapped).
Användare kan dra nytta av verktyg som transformers-biblioteket, vLLM eller Ollama för att implementera modellen. Dessutom finns det dokumenterade integrationer för Splunk App for Data Science and Deep Learning (DSDL), vilket ytterligare breddar användningsområdena för de som redan arbetar i dessa ekosystem.
Sammanfattningsvis markerar lanseringen av Foundation-sec-8B-Reasoning ett steg mot mer transparenta och specialiserade AI-verktyg inom cybersäkerhet, där möjligheten att följa modellens tankegångar är lika viktig som svaret självt.