与Corma合作：弥合防御性网络安全差距
内容提要
Corma公司正训练防御性网络安全基础模型，以应对AI攻击能力激增。测试显示防御者78%时间无法发现后门，凸显防御差距。Corma采用强化学习和自博弈，在模拟企业网络中训练，部署为代理安全团队，已服务财富500强企业，能快速发现并修复攻击，成本低且模型权重自主。
延伸解读
防御差距的量化证据
文章通过红蓝对抗模拟揭示了防御差距的严重性：即使防御者与攻击者使用完全相同的模型，仍有78%的概率无法发现后门。这一数据表明，在模型能力相同的情况下，攻击方天然占据优势，防御方需要专门的训练才能弥补这一差距。
防御性AI的独特挑战
防御性网络安全与攻击性不同，它需要处理日志、事件、追踪和遥测数据，这些数据在通用大模型的预训练中很少出现。此外，防御要求开放式的推理，从大量看似正常的活动中发现异常，这需要领域特定的训练，而通用模型难以胜任。
强化学习与自博弈的应用
Corma采用强化学习和自博弈的方法，在模拟企业网络环境中训练模型。这种方法类似于围棋或国际象棋中的自我对弈，通过不断对抗来提升防御能力。其模型在模拟环境中学习，能够以较低推理成本提供前沿防御能力，并已部署于财富500强企业。
垂直整合与主权AI的优势
Corma强调垂直整合和“主权AI”策略，即拥有模型权重，避免受闭源模型实验室对网络安全用途的限制。此外，其模型专门化且推理速度快，能够快速应对新威胁，同时降低持续推理成本，这些因素使其在防御竞赛中占据优势。
Q&A
Corma公司主要做什么？
Corma公司正在训练一个用于防御性网络安全的专用基础模型，旨在帮助企业防御AI带来的日益增长的进攻性威胁。
为什么说防御性网络安全存在差距？
因为防御性网络安全需要处理日志、事件、遥测等数据，这些数据在通用大模型的预训练中很少出现，且防御需要开放式推理，与进攻性安全的目标导向推理不同，导致通用前沿模型在防御任务上表现不佳。测试显示，防御者78%的时间无法发现后门，即使防御者与攻击者是同一个模型。
Corma如何训练其防御性网络安全模型？
Corma采用大规模强化学习和自博弈方法，在模拟真实企业网络（包含工具、遥测和噪声）的网络安全环境中进行训练，从而产生前沿防御能力，并降低推理成本。
Corma的模型如何部署和使用？
Corma的模型被产品化为代理安全团队，这些代理可以跨安全工具操作，承担安全运营、身份管理、云和网络安全等角色，已在财富500强公司中部署，能够端到端完成防御工作。
Corma的模型在实际中取得了哪些成效？
例如，一位CISO在遛狗时通过手表收到Corma代理的警报，确认后代理立即阻止了攻击；另一个案例中，Corma在入职第一小时内发现并修复了客户网络中一个被安全团队遗漏52天的活跃攻击。
Corma采用“主权AI”和垂直整合的优势是什么？
优势包括：成本可控（始终在线推理成本低）、拥有模型权重（不受闭源模型实验室对网络安全用途的限制）、专业化和推理速度快（能最快应对新威胁）。
