Dlouhou dobu platilo, že nejlepší ochranou pro méně viditelné systémy byl prostý fakt, že útočníci nevěnovali dostatek času a úsilí jejich analýze. Tato éra „bezpečnosti skrze nezájem“ (security by disinterest) však rychle slábne.

S nástupem pokročilých autonomních AI modelů, jako je připravovaný Claude Mythos, dramaticky klesá náročnost i časová investice potřebná k objevení kritických zranitelností. Plošné vyhledávání slabých míst tak snižuje bariéry vstupu i pro méně specializované útočníky, čímž se zásadně mění ekonomika kybernetických útoků. Bezpečnost přestává být technickým detailem a stává se nutnou strategickou prioritou.

Claude Mythos: generační skok pro AI i kyberbezpečnost

Claude Mythos Preview představuje významný posun v autonomních kyberneticko-bezpečnostních schopnostech; například v benchmarcích CyberGym dosáhl 83,1% úspěšnosti oproti 66,6 % u předchozího modelu Opus 4.6. Anthropic jej interně klasifikuje jako model s vysokou úrovní autonomie při identifikaci a analýze zranitelností, schopný dosahovat pokročilých cílů v testování zabezpečení kódu.

Jeho technická převaha spočívá v hloubce analýzy. Model prokázal efektivitu při odhalování komplexních a hluboce zakořeněných softwarových defektů – včetně těch, které v systémech přežívaly roky a unikaly dosavadním automatizovaným kontrolám. Konkrétně identifikoval zranitelnosti staré 27 let v OpenBSD, 17 let ve FreeBSD nebo 16 let v knihovně FFmpeg.

Mezi jeho klíčové schopnosti patří:

  • analýza rizik v paměťově nebezpečných prostředích,
  • rekonstrukce exploitů na základě analýzy známých chyb,
  • identifikace nových, dosud nezdokumentovaných zranitelností v systémech od operačních jader po webové prohlížeče.

Tyto dovednosti jsou přímým důsledkem pokroku v obecných schopnostech modelu v oblasti uvažování a práce s programovým kódem.

Výkonnostní benchmarky: Claude Mythos Preview

Cybersecurity Vulnerability Reproduction
CyberGym
Mythos Preview
83.1%
Opus 4.6
66.6%

Agentic coding

+
SWE-bench Pro
Mythos Preview
77.8%
Opus 4.6
53.4%
Terminal-Bench 2.0
Mythos Preview
82.0%
Opus 4.6
65.4%
SWE-bench Multimodal (internal implementation)
Mythos Preview
59.0%
Opus 4.6
27.1%
SWE-bench Multilingual
Mythos Preview
87.3%
Opus 4.6
77.8%
SWE-bench Verified
Mythos Preview
93.9%
Opus 4.6
80.8%

Reasoning

+
GPQA Diamond
Mythos Preview
94.6%
Opus 4.6
91.3%
Humanity’s Last Exam
Mythos Preview without tools
56.8%
Opus 4.6 without tools
40.0%
Mythos Preview with tools
64.7%
Opus 4.6 with tools
53.1%
Humanity’s Last Exam: Anthropic zjistil, že Mythos si na HLE vede stále dobře i při nízkém úsilí, což by mohlo naznačovat určitou míru memorizace.

Agentic search and computer use

+
BrowseComp
Mythos Preview
86.9%
Opus 4.6
83.7%
OSWorld-Verified
Mythos Preview
79.6%
Opus 4.6
72.7%
BrowseComp: Claude Mythos Preview dosahuje vyššího skóre než Opus 4.6, přičemž spotřebuje 4,9× méně tokenů.

Project Glasswing: bezpečnostní iniciativa, nebo řízená tržní výhoda?

Projekt Glasswing je oficiálně prezentován jako strategická iniciativa zaměřená na zabezpečení kritické softwarové infrastruktury. Vzhledem k vysoké efektivitě Mythosu volí Anthropic cestu řízeného, omezeného přístupu místo plošného veřejného uvolnění modelu, aby předešel rizikům spojeným s národní bezpečností.

Situace, která tu byla naposled v případě GPT-2, kdy se OpenAI obávala zneužití modelu k masové produkci dezinformací, spamu a manipulativního obsahu. V roce 2019 proto organizace zvolila neobvyklý postup „postupného zveřejňování“, kdy nejprve publikovala pouze menší verzi modelu a plnou variantu uvolnila až s odstupem času, poté co lépe vyhodnotila reálná rizika a reakce veřejnosti i odborné komunity.

Tento „řízený přístup“ má ale i jasnou ekonomickou a tržní dimenzi. Do programu jsou zapojeni vybraní globální technologičtí lídři, jako jsou AWS, Google, Microsoft, CrowdStrike, Apple, NVIDIA, Cisco, JPMorganChase a další.

Po skončení preview fáze má být pro účastníky cena 25 USD za milion vstupních tokenů a 125 USD za milion výstupních tokenů (pětinásobná cena oproti $5/$25 Claude Opus 4.6). V reálu samozřejmě záleží na spotřebě a využití tokenů, protože samotná cena není dostatečně vypovídající.

Podle Anthropicu má tento omezený přístup fungovat jako filtr, který zvýhodní defenzivní bezpečnostní výzkum a umožní firmám vytvořit záplaty řešení, která běží na pozadí světové IT infrastruktury. V praxi ale vytváří zřetelnou dělící čáru mezi těmi, kdo k této pokročilé technologii mají přístup, a zbytkem trhu.

Proč je Mythos tak mocný: příklady z praxe

Síla Mythosu není jen v laboratorních výsledcích, ale hlavně v tom, co takový model dokáže udělat v reálném bezpečnostním provozu.

V praxi může znamenat například:

  • rychlejší nalezení slabin v interním kódu,
  • odhalení zranitelností, které zůstaly přehlédnuté při běžném auditu,
  • zkrácení času mezi objevením chyby a přípravou exploitu,
  • efektivnější priorizaci toho, co je opravdu kritické,
  • hlubší analýzu složitých systémů, kde lidská kontrola naráží na časové a kapacitní limity.

Jinými slovy: model podobného typu už není jen „chytrý asistent“, ale potenciálně i velmi silný nástroj pro bezpečnostní výzkum — a tím pádem i pro útočníky, pokud se k němu dostanou. A čím chytřejší je model, tím menší odbornost je potřeba k tomu, aby ho uživatel dokázal naplno využít.

Finanční podhoubí: proč investoři slyší na „bezpečnost“

Diskuse kolem projektů, jako je Glasswing, nelze oddělit od širší reality současného AI sektoru. V tomto kontextu se přirozeně nabízí otázka míry, do jaké je alarmistická rétorika kolem kybernetických hrozeb a revolučních schopností nových modelů autentickým bezpečnostním varováním, a nakolik slouží jako součást komunikační a marketingové strategie.

Bezpečnostní narativ je totiž účinným nástrojem pro přilákání pozornosti klíčových hráčů, partnerů a investorů. Lze se ptát, zda bezpečnostní framing částečně neplní i marketingovou funkci v prostředí intenzivní globální konkurence, kde firmy hledají svůj technologický náskok a udržitelný obchodní model.

Zároveň platí, že CEO AI firem mají tendence přehánět dopady AI, předpovídat AGI a mluvit o zásadních civilizačních zlomech. Důvod je zřejmý: v realitě jsou mnohé z těchto firem pod tlakem vysokých nákladů a obřích ztrát, takže silný příběh o budoucnosti pomáhá udržet investiční zájem. I Glasswing tak může část publika vnímat jako přehnanou marketingovou kampaň, nikoli jen jako čistě defenzivní projekt.

Doporučené čtení: Empire of AI (Karen Hao)

Budoucnost kyberbezpečnosti: co mohou udělat organizace

Nástup autonomních modelů jako Mythos urychluje konec éry „bezpečnosti skrze tření“, kdy ochranu zajišťovala časová náročnost lidského řetězení exploitů. Organizace by se měly zaměřit na několik klíčových oblastí:

  • Radikální zrychlení patch-cyklů: Anthropic uvádí, že pokročilé modely mohou z analyzovaného kódu záplaty vytvořit funkční exploit v řádu hodin. Časové okno pro zneužití známých (tzv. N-day) zranitelností se tak drasticky zkracuje. Organizace by měly investovat do technologií a procesů, které umožní nasazovat opravy co nejrychleji, ideálně s minimálním provozním dopadem.
  • Přechod na robustní architektonické bariéry: Je vhodné odklonit se od obranných mechanismů, jejichž hodnota spočívá pouze v oddálení útoku. Budoucnost patří robustním ochranám, jako jsou moderní paměťové bariéry, které představují zásadní překážku i pro vysoce efektivní AI agenty.
  • Integrace AI do defenzivních operací: Lidské kapacity bezpečnostních týmů (SOC) budou pravděpodobně pod rostoucím tlakem objemu a rychlosti hrozeb generovaných AI. Automatizace technické triáže, prioritizace hrozeb a proaktivního lovu (threat hunting) se tak stane důležitou součástí strategie. Firmy by již nyní měly experimentovat s nasazením dostupných frontier modelů pro skenování vlastního softwaru.
  • Investice do vlastního ověřování: Jakmile se modely srovnatelné schopnosti jako Mythos stanou dostupnější, bude pro mnoho firem stále důležitější investovat do jejich využití pro vlastní bezpečnostní audity. Identifikace a eliminace kritických chyb dříve, než je objeví útočník, se může stát klíčovou součástí bezpečnostní strategie.

Rizika regulace a asymetrie přístupu k nástrojům

Technologický posun přináší i legislativní výzvy. Podle části odborné debaty by mohlo dojít k situaci, kdy pokud by budoucí regulace necitlivě omezila možnosti etického bezpečnostního výzkumu, došlo by k paradoxní situaci.

Organizace usilující o soulad se zákonem by mohly být limitovány v implementaci pokročilých defenzivních postupů, zatímco útočníci operující mimo zákonný rámec by nadále využívali agilní open-weight nástroje. Nebezpečím tedy není pouze samotná technologie, ale i potenciálně nekonzistentní regulační přístup, který by mohl trvale oslabit pozici obránců.

Je také jen otázkou času, než přijdou další modely s podobnou inteligencí. A ty už nemusí být vyvíjeny s tak silným důrazem na bezpečnost jako u Anthropicu. Právě proto je nutné sledovat vývoj aktivně, ne pasivně vyčkávat.

Závěr: strategický roadmap pro digitální odolnost

Claude Mythos a projekt Glasswing jsou výrazným signálem hlubší změny. Ať už je jejich prezentace motivována čistě bezpečnostně, nebo i obchodně, signalizují nezvratný trend: autonomní AI se stává klíčovým hráčem v kyberprostoru.

Pro C-level exekutivu to znamená jediné: pasivní přístup je cestou k riziku. Strategický roadmap pro digitální odolnost musí zahrnovat investice do zrychlení procesů oprav, integraci AI do defenzivních operací a proaktivní testování vlastních systémů.

Budoucnost patří především těm obráncům, kteří dokážou nové nástroje adaptovat pro vlastní ochranu dříve, než se dostanou do rukou jejich protivníků. Klíčovou otázkou pro organizace je tempo, s jakým dokážou přizpůsobit patching, monitoring a defenzivní automatizaci.

Chcete prověřit bezpečnost vašich aplikací či infrastruktury?

Zdroje

Často kladené dotazy

Pokročilý autonomní AI model od společnosti Anthropic, který představuje generační skok v inteligenci a kybernetické bezpečnosti. Dokáže samostatně analyzovat kód, hledat hluboko zakořeněné a velmi staré zranitelnosti (např. 27 let staré chyby v OpenBSD) a rekonstruovat exploity na základě známých chyb. V bezpečnostních testech CyberGym dosáhl úspěšnosti 83,1 %.

Jde o strategickou iniciativu společnosti Anthropic, v rámci které získávají k modelu Claude Mythos přístup pouze vybraní technologičtí partneři (například AWS, Google, Microsoft, Apple, CrowdStrike nebo JPMorganChase). Oficiálním cílem je podpora defenzivního bezpečnostního výzkumu a ochrana kritické infrastruktury předtím, než Anthropic model uvolní veřejnosti.

Model je finančně velmi náročný. Po skončení testovací fáze (preview) je cena pro zapojené účastníky stanovena na 25 USD za milion vstupních tokenů a 125 USD za milion výstupních tokenů (tedy 5x víc než aktuální ceny Claude Opus 4.6).

Anthropic volí cestu omezeného přístupu kvůli národní bezpečnosti. Uzavřený model má zabránit tomu, aby takto vysoce efektivní nástroj na hledání zranitelností padl do rukou útočníkům. Výsledkem je ale i dělící čára na trhu, kdy vybrané společnosti získávají obrovskou technologickou výhodu před zbytkem trhu.

Modely jako Mythos ukončují éru „bezpečnosti skrze nezájem“. Dříve se menší nebo starší systémy těšily relativnímu bezpečí jen proto, že útočníkům nestálo za to zkoumat jejich kód a hledat zranitelnost. AI dokáže plošně a rychle skenovat obrovská množství kódu a odhalovat slabiny bez enormní časové investice ze strany člověka.

Značná účinnost při hledání chyb je reálná, ale projekt narazil i na silnou skepsi. Bezpečnostní rétorika může fungovat jako propracovaný marketing pro přilákání partnerů a investorů. Vedení AI firem má často tendenci dopady svých modelů zveličovat, aby zajistilo přísun peněz pro své vysoce ztrátové provozy. Nakolik je tedy Glasswing čistě defenzivní misí a nakolik obchodním tahem nelze v tuto chvíli říct. Realita se ukáže ve chvíli, kdy budou LLM modely nové generace (jako Mythos) dostupné veřejnosti.

Základním krokem je radikální zrychlení nasazování záplat (patchů). AI modely dokážou z analyzované bezpečnostní opravy vyvinout funkční exploit během několika hodin. Firmy také musí přejít na robustnější architektonické bariéry v kódu, integrovat AI do vlastního testování a nespoléhat se jen na lidskou kontrolu.

Postupně se tyto schopnosti stanou dostupnějšími, a je jen otázkou času, než na trh dorazí modely srovnatelné s Mythosem, u kterých nebude kladen tak extrémní důraz na bezpečnost. Organizace proto nesmí pasivně vyčkávat, ale musí samy aktivně využívat AI k odhalování kritických chyb ve svých systémech dříve, než to udělá někdo jiný.

Ohodnoťte prosím příspěvek. Díky tomu budeme vědět, na jaký obsah se v budoucnu soustředit.

Chcete být informováni o nových článcích na blogu Solutia?

Sledujte aktuální novinky a trendy z IT světa na našem profilu.

Sledovat na LinkedIn