アストラ、サイバーセキュリティ能力「クリティカル」認定

OpenAIは次世代AIモデルAstraのリリースに向けた準備を完了し、そのサイバーセキュリティ能力が同社の準備度フレームワークにおける最高レベルのCritical基準を満たすことを明らかにした。この基準は、モデルが人の介入なしに未知のセキュリティ脆弱性を発見し、防御的なシステムに対する攻撃手法の開発・実行が可能になる段階を示す。AstraはGPT-5.6 Solを上回るトークン効率と検出・悪用コード生成能力を持ち、専門評価ではサンドボックス回避によるホスト制御や、堅牢なOSにおける特権昇格チェーンの構築を確認した。ベンチマークでは満点を記録し、内部テストでは2件のゼロデイ脆弱性を発見し、関連事業者に開示する方針だ。 OpenAIはHugging Faceインシデントの教訓を踏まえ、大規模強化学習を含む一部開発を一時中断。訓練インフラの分離強化や整列学習の基準引き上げを実施し、再評価後に開発を再開した。リリースに際し、モデル層の拒否訓練強化、システムレベル安全分類器の導入、自動不正活動検知・停止機能の多重化、および24時間体制のレッドチームテストを実施。自動レビュー拒否後の迂回試行やハニーポット環境での不正行為が検出されていないことを確認し、安全対策の信頼性を裏付けた。 リリース当初は限られたアルファテスターにアクセスを制限し、段階的にDaybreak Blueを介して防御的サイバーセキュリティ専門家の利用を拡大する。厳格な安全対策により正当な作業が誤って停止する可能性を認めるものの、監視精度の向上とアクセスの拡充を継続する。OpenAIは、AIモデルの能力急増に伴う整列と制御の責任を強調し、透明性のある評価公開と継続的なリスク管理による安全な技術の社会実装を約束した。