Orion-1 ma badać cyberataki. Artemis porównuje go z modelami ogólnego przeznaczenia

Artemis Security udostępniła Orion-1 w ramach prywatnych testów – to model AI przeznaczony do wykrywania i analizowania cyberataków w firmowych sieciach. System koreluje sygnały z usług uwierzytelniania, chmury, urządzeń końcowych, aplikacji SaaS i infrastruktury sieciowej, łącząc pozornie niepowiązane zdarzenia w spójny przebieg działań napastnika.

W praktyce model może powiązać pojedyncze logowanie pracownika z późniejszą zmianą uprawnień w chmurze i utworzeniem reguły przekierowania w skrzynce pocztowej. Po zakończeniu analizy Orion-1 przypisuje poziom pewności, wydaje werdykt oraz proponuje lub uruchamia działania obronne. Klienci mogą konfigurować stopień autonomii systemu, przy czym operacje o dużym wpływie na infrastrukturę domyślnie wymagają zatwierdzenia przez człowieka.

Benchmark producenta z lukami w zestawieniu

Artemis twierdzi, że Orion-1 uzyskał lepsze wyniki niż Claude Opus 5.5, GPT-6 Sol, Grok 4.7 i Kimi K3 w opracowanym przez firmę teście Decision-Grade Readiness (DGR). Zamiast teoretycznych pytań o techniki hakerskie, DGR przedstawia modelom ten sam zestaw alertów, dane o środowisku oraz narzędzia dostępne analitykom bezpieczeństwa, z zadaniem ustalenia, czy doszło do incydentu.

Metodologia testu obejmuje tysiące scenariuszy o znanym wyniku, w tym sytuacje bez ataku oraz nieszkodliwe zdarzenia, które wyglądają podejrzanie. Ocenie podlega nie tylko ostateczny werdykt, lecz także przedstawione przez model dowody. Według danych firmy największą różnicę odnotowano przy rekonstrukcji ataku: Orion-1 uzyskał 80,8 punktu, podczas gdy najlepszy z porównywanych systemów, GPT-6 Sol, osiągnął 58,3 punktu.

Wyniki te pochodzą jednak wyłącznie z wewnętrznego testu Artemis i nie mają niezależnego potwierdzenia. W zestawieniu zabrakło modeli GPT-6 Astra oraz Claude Mythos 5, uznawanych przez ich dostawców za najmocniejsze narzędzia w obszarze cyberbezpieczeństwa. Dodatkowo w przypadku Claude’a Opus 5.5 większość zadań związanych z cyberobroną jest automatycznie przekazywana starszemu modelowi Opus 4.8, co rzutuje na miarodajność porównania. Nie przedstawiono również danych o skuteczności Orion-1 w rzeczywistych wdrożeniach, dlatego wynik testu nie przesądza o jego działaniu w codziennej pracy zespołów bezpieczeństwa.

Problem z modelami ogólnego przeznaczenia

Artemis tłumaczy powstanie wyspecjalizowanego systemu tym, że modele ogólnego przeznaczenia gubią kontekst przy analizie milionów logów lub błędnie klasyfikują nietypową, ale bezpieczną aktywność jako atak. Firma deklaruje, że Orion-1 został dostrojony bezpośrednio do pracy w zespołach bezpieczeństwa – w tym wyszukiwania zagrożeń, tworzenia reguł detekcji i powstrzymywania trwających incydentów – oraz że do treningu nie wykorzystano danych klientów. Nie ujawniono jednak, czy Orion-1 powstał od podstaw, czy bazuje na modelu innego dostawcy.

Próba stworzenia odrębnego narzędzia wpisuje się w szersze wyzwanie dla obrońców sieci: filtry bezpieczeństwa w modelach ogólnych, projektowane z myślą o blokowaniu cyberprzestępców, bywają zbyt restrykcyjne i utrudniają analizę złośliwego kodu. Z tego względu dostawcy AI coraz częściej rozwijają osobne systemy ochronne o ściśle kontrolowanym dostępie, udostępniając je wyłącznie zweryfikowanym specjalistom.