Artemis Security 发布安全模型 Orion-1，专攻企业网络攻击自主调查与响应

通用AI模型正日益成为安全团队的一大难题，因为同样的能力也会帮助攻击者。Artemis Security 希望用一款专门构建的模型来填补这一空白。

美国初创公司 Artemis Security 发布了 Orion-1，这是一款旨在自主调查并响应企业网络攻击的模型，在公司自家的基准测试中击败了 Claude Opus 5.5 和 GPT-6 Sol。Orion-1 处理来自认证服务、云配置、企业终端、SaaS 应用和网络设备的日志数据，然后将单个信号——例如企业账户登录、新的云权限以及刚创建的邮箱收件规则——关联起来，并将其追溯到同一名攻击者。一旦掌握事态全貌，该模型会给出置信度评分、敲定结论，并推荐或启动响应措施。

Artemis 称，通用模型在接收数十亿事件时会失去条理，或者会把无害但异常的活动误判为攻击。Artemis 使用从其自身安全运营中提取的任务对 Orion-1 进行了微调，包括在日志数据中发现可疑模式、搜寻已知攻击技术、编写新的检测规则以及遏制正在进行的攻击。公司表示，训练过程中未使用任何客户数据。Artemis 称 Orion-1 为“前沿基础模型”，但仅在其 博客文章 中描述了这次微调，尚不清楚该公司是否基于其他提供商的现有模型构建。

Artemis 构建了自己的基准来衡量安全决策的可信度

Artemis 开发了一个名为“决策级就绪度”（DGR）的基准用于对比。现有的大多数安全测试是就攻击技术对模型进行考核，或让它们破解黑客谜题，而 DGR 则向每个模型提供相同的初始警报、相同的环境数据以及安全团队所能使用的相同工具，然后要求它判断是否正在发生攻击。数千个任务都有已知结果，其中一些根本不包含攻击，或包含设计成看似恶意的良性数据。模型根据其结论及其呈现的证据进行评分。

Artemis 公布了五项任务的结果，并测试了 Grok 4.7 和 Kimi K3，与 Opus 5.5 和 GPT-6 Sol 一同对比。最大的差距出现在攻击重建环节，Orion-1 得分 80.8，而次优模型为 58.3。

Orion-1 目前已在 Artemis 平台上向部分客户提供私密预览，客户可以按操作类型设置模型可自主决策的上限。高影响操作默认需要人工批准。Artemis 直到今年 4 月才走出隐身状态，在公司成立约六个月后披露了 来自种子轮和 A 轮的 7000 万美元融资。

为攻击者设计的防护栏也在阻碍防御者

前沿大模型对安全团队来说越来越难以使用，因为各家提供商不断收紧其网络攻击能力。OpenAI 认为其 Astra 模型是第一个可能达到最高网络安全风险等级的模型，在这个等级上，模型可以自主开发和执行网络攻击。Claude Opus 5.5 会将大多数网络安全任务转交给较旧的 Opus 4.8 处理，而 Hugging Face 今年 7 月曾尝试使用商业前沿模型分析一次针对其自身基础设施的全自主 AI 攻击，结果这些模型的安全护栏完全阻止了对攻击数据的分析。该团队最终改用在自家服务器上运行的开源权重模型 GLM 5.2。

在防御方面，提供商转而发布访问受限的专用模型。OpenAI 仅向经过验证的防御者提供限制较少的 GPT-5.5-Cyber，Anthropic 对其最强模型也采取了类似做法，将 Claude Mythos 5 通过 Claude Security 扫描器和合作伙伴安全产品进行运行。Mythos 5 和 OpenAI 的最强模型 GPT-6 Astra 均未出现在 Orion-1 对比中，而 Opus 5.5 的基准测试结果可能主要反映了旧版 Opus 4.8 的答案。

AI News Without the Hype – 由人工精选

订阅 THE DECODER，享受无广告阅读、每周 AI 新闻通讯、每年六期独家"AI Radar"前沿报告、完整档案访问权限以及评论区访问权限。