Поиск уязвимого участка в большом репозитории часто занимает больше времени, чем разбор самой ошибки, и Cisco попыталась сократить этот этап с помощью семейства компактных ИИ-моделей Antares. Компания открыла веса Antares-350M и Antares-1B, которые определяют файлы с вероятным дефектом по описанию известной уязвимости.
Модели предназначены не для автоматического исправления кода, а для первичного отбора. Antares получает описание проблемы, ищет подходящие шаблоны, просматривает возможные файлы, учитывает найденные связи и меняет направление, если выбранный путь не даёт результата. На выходе система формирует ранжированный список файлов и сохраняет последовательность команд, которая привела к выводу.
Компактный размер позволяет запускать Antares локально или внутри корпоративной инфраструктуры. Исходный код при таком сценарии не нужно передавать облачному сервису, а вычислительные расходы остаются ниже, чем при работе с крупными универсальными моделями. Cisco рассчитывает, что модели смогут ускорить разбор бюллетеней безопасности, проверку отдельных классов ошибок и раннюю сортировку находок в конвейерах разработки.
Для оценки разработчики создали Vulnerability Localization Benchmark из 500 заданий. Моделям требовалось ориентироваться в незнакомых репозиториях и находить файлы, связанные с конкретными категориями слабых мест CWE. По данным Cisco, Antares превзошла ряд более крупных открытых и закрытых моделей, потратив меньше времени и вычислительных ресурсов. Результаты пока отражают работу на специальном тестовом наборе, а не заменяют проверку в реальных проектах.
Cisco подчёркивает, что Antares лишь сужает область поиска. Командам по-прежнему нужны анализ зависимостей, поиск секретов, динамические проверки, контроль контейнеров и инфраструктуры, моделирование угроз и ручная проверка выводов. Открытые веса Antares-350M и Antares-1B опубликованы на Hugging Face, а более крупную Antares-3B компания планирует представить позднее.