Cisco brengt met Antares een familie kleine taalmodellen uit die specifiek ontwikkeld zijn om kwetsbaarheden in softwarecode te lokaliseren. De modellen zijn als open-weight beschikbaar via Hugging Face en kunnen volgens Cisco lokaal draaien, zodat organisaties broncode niet in de cloud hoeven te controleren. Het bedrijf presenteert de modellen als onderdeel van een breder initiatief rond AI en cyberbeveiliging.
Cisco heeft Antares geïntroduceerd, een familie Small Language Models (SLM’s) die gericht zijn op het lokaliseren van bekende kwetsbaarheden in softwarecode. Het gaat om twee varianten, Antares-350M en Antares-1B, die beide als open-weight model beschikbaar zijn via de ontwikkelaarscommunity Hugging Face. Volgens Cisco presteren de modellen op benchmarktests voor deze specifieke taak beter dan grotere taalmodellen, tegen lagere rekenkosten.
Het lokaliseren van kwetsbaarheden in code vereist volgens Cisco doorgaans het doorzoeken van omvangrijke databases met bekende zwaktes, adviezen en Common Weakness Enumerations (CWE’s). Analisten moeten daarbij door onbekende code navigeren, naamgevingsconventies volgen en call-paths inspecteren om te bepalen of een zwakte daadwerkelijk aanwezig is. Statische analysetools werken met vooraf vastgelegde regels en vereisen volgens het bedrijf aanzienlijke triage, terwijl algemene programmeermodellen niet specifiek zijn afgestemd op securityonderzoek of gestructureerde lokalisatie van kwetsbaarheden.
Werkwijze van de modellen
Cisco stelt dat onderzoek van het eigen Foundation AI-team heeft aangetoond dat compacte modellen kunnen leren zoeken, hun aanpak kunnen aanpassen en kunnen terugkeren wanneer een zoekpad niet tot resultaat leidt. Antares volgt daarbij een iteratief patroon dat vergelijkbaar is met de manier waarop een onderzoeker een repository doorzoekt: het model start bij een beschrijving van een kwetsbaarheid, zoekt naar relevante codepatronen, leest mogelijk kwetsbare bestanden en verlegt de focus wanneer een pad niet productief blijkt.
Cisco geeft aan dat het model niet bedoeld is om het oordeel van een beveiligingsexpert te vervangen, maar om de eerste triage van kwetsbaarheden te versnellen. Volgens het bedrijf kan Antares worden ingezet voor het lokaliseren van bestanden die samenhangen met een CWE-categorie, de triage van beveiligingsonderzoeken op basis van adviezen, het aanvullen van statische analyse met modelgestuurde verkenning van repositories, en het ondersteunen van triage binnen CI/CD-workflows. Doordat de modellen compact zijn, kunnen ze volgens Cisco ook lokaal draaien in omgevingen met strikte privacy- of compliance-eisen.
Nieuwe benchmark voor lokalisatie
Cisco meldt dat bestaande programmeerbenchmarks niet geschikt waren om de prestaties van Antares te meten, omdat die gericht zijn op algemene probleemoplossing of het genereren van patches in plaats van het identificeren van kwetsbare bronbestanden. Het bedrijf wijst erop dat AI-agents als CodeScout weliswaar bestanden kunnen vinden in grote codebases, maar niet kunnen beoordelen of die bestanden daadwerkelijk kwetsbaar zijn op basis van bekende CWE’s of adviezen.
Om dit gat te dichten heeft Cisco de Vulnerability Localization Benchmark ontwikkeld, een set van 500 items waarmee gemeten wordt hoe goed modellen door onbekende codebases navigeren en kwetsbaarheidspatronen herkennen die horen bij specifieke CWE-categorieën.
Open-weight en breder initiatief
Cisco brengt Antares uit als open-weight model, met als argument dat de securitycommunity behoefte heeft aan toegankelijke basiscomponenten voor kwetsbaarhedenonderzoek. Het bedrijf stelt dat triage van kwetsbaarheden expertise, tijd, infrastructuur en toegang tot gevoelige code vereist, wat tot hoge kosten leidt voor organisaties met beperkte middelen, zoals universiteiten en non-profitorganisaties.
Antares maakt deel uit van een breder Cisco-initiatief rond AI en cyberbeveiliging, dat ook de Foundry Security Spec omvat, een blauwdruk voor het bouwen van beveiligingsagents, en CodeGuard, een set regels die AI-coding agents moet begeleiden bij het veiliger ontwikkelen van software.
Jan Heijdra, Field CTO Security & AI bij Cisco Benelux, geeft aan dat het bedrijf AI in beveiliging wil laten uitgroeien tot systemen die professionals kunnen evalueren, besturen en verbeteren, in plaats van eenmalige demonstraties. Volgens Heijdra bouwt Antares voort op de eerdere stappen met Foundry Security Spec en CodeGuard, door specifiek gericht te zijn op het vinden van kwetsbaarheden in code.
