La empresa de inteligencia artificial Anthropic informó que su modelo de ciberseguridad Claude Mythos Preview permitió identificar más de diez mil vulnerabilidades críticas y de alta gravedad en sistemas y servicios tecnológicos. La compañía anunció además que comenzará a ofrecer parte de sus herramientas de seguridad a clientes seleccionados.
Según Anthropic, el modelo ha sido utilizado durante el último mes por empresas y organizaciones vinculadas al proyecto Glasswing, una iniciativa orientada a reforzar la seguridad de infraestructuras digitales críticas. La tecnológica sostuvo que el sistema ayudó a localizar fallos de alta gravedad en distintos programas y plataformas.
El proyecto reúne a compañías como Amazon, Apple, Google, Microsoft y Nvidia, con el objetivo de detectar vulnerabilidades en sistemas operativos, navegadores web y otros programas considerados esenciales para la infraestructura digital.
Entre los resultados divulgados, Anthropic señaló que Cloudflare identificó alrededor de dos mil errores en sus sistemas críticos mediante el uso de Claude Mythos, de los cuales cuatrocientos fueron clasificados como de alta o crítica gravedad. Mozilla, por su parte, informó que detectó y corrigió doscientas setenta y una vulnerabilidades en Firefox ciento cincuenta durante las pruebas realizadas con el modelo.
El Instituto de Seguridad de IA del Reino Unido afirmó, citado por Anthropic, que Mythos Preview fue “el primer modelo capaz de resolver de principio a fin” dos escenarios de ciberataques complejos utilizados en sus evaluaciones. La compañía también aseguró que la herramienta ayudó a impedir una transferencia bancaria fraudulenta de un millón quinientos mil dólares en una entidad financiera asociada al proyecto Glasswing.
Anthropic indicó además que ampliará gradualmente el acceso a herramientas derivadas de Mythos Preview para determinados equipos de seguridad empresarial. No obstante, la empresa mantiene restringido el acceso público al modelo y sostiene que todavía no existen medidas de seguridad suficientemente robustas para evitar posibles usos maliciosos de esta tecnología.
