Kimi K3 Inachelea Mifano ya Kilele ya Marekani katika Mashambulizi ya Mtandao: Pengo la Distillation

Tathmini ya pamoja iliyofanywa na Taasisi ya Usalama wa AI ya Uingereza (UK AISI) na Kituo cha Marekani cha Viwango na Ubunifu wa AI (CAISI) imefichua pengo kubwa la uwezo katika operesheni za mashambulizi ya mtandao kati ya mifano ya AI ya China na Marekani. Ingawa Kimi K3 ya Moonshot AI inaonyesha matumaini, bado imebaki nyuma sana ya mifano ya kilele ya Marekani inapopewa kazi za unyonyaji tata wa programu (software exploitation) na mashambulizi ya mtandao.

ExploitBench: Pengo katika Utafiti wa Udhaifu

Ili kupima ujuzi wa uundaji wa mashambulizi (exploit development), watafiti walitumia ExploitBench, kipimo kutoka Chuo Kikuu cha Carnegie Mellon kinachohusisha udhaifu 41 uliopatikana katika injini ya V8 ya Chrome baada ya mwaka 2023. Matokeo yalibainisha utofauti mkubwa wa utendaji. Mifano ya kilele ya Marekani ilipata wastani wa alama 76.2%, wakati Kimi K3 ilipata alama ndogo zaidi ya 32.2%. Ingawa Kimi K3 ilifanya vizuri kuliko GLM-5.2 ya China (24.4%), ilishindwa kufikia kiwango cha juu zaidi cha unyonyaji: Arbitrary Code Execution (ACE).

Kinyume chake, mifano ya daraja la juu ya Marekani ilifanikiwa kufikia ACE katika kazi 20 kati ya 41 zilizojaribiwa, ikitoa udhibiti kamili juu ya mifumo inayolengwa—kiwango cha utaalamu ambacho Kimi K3 haikuweza kuiga.

Kuiga Mashambulizi ya Mtandao kupitia "The Last Ones"

Tathmini hiyo pia ilijaribu mifano kwa kutumia "The Last Ones" (TLO), uigaji wa shambulio tata la mtandao wa kampuni la hatua 32 linalohusisha wenyeji (hosts) 20 katika mitandao midogo (subnets) minne. Jaribio hili limeundwa kupima uwezo wa wakala (agent) wa kupita katika njia za uvamizi za hatua nyingi.

Kimi K3 ilifikia wastani wa hatua 17 kati ya 32, ikionyesha uwezo wa wastani. Ingawa ilikamilisha njia nzima ya shambulio katika jaribio moja kati ya kumi, ilikosa uthabiti wa mifano ya Marekani, ambayo ilifikia wastani wa hatua 28.5. Matokeo yanaonyesha kuwa ingawa Kimi K3 ina uwezo wa kushambulia mifumo ya kampuni iliyolindwa vibaya kwa kujitegemea, haina uaminifu wa mifano ya kilele ya Magharibi katika kutekeleza operesheni tata za mfululizo mrefu.

Nadharia ya Distillation: Kwa Nini Pengo Lipo

Swali muhimu linabaki: kwa nini mifano ya China inachelea katika kazi za mtandao hata wakati inafanya vizuri katika vipimo vya jumla? Ripoti inasema kuwa hii inaweza kuwa kutokana na "distillation"—mazoea ya kutumia matokeo ya hali ya juu kutoka kwa mifano ya kilele (kama Claude ya Anthropic) kama data ya mafunzo.

Ikiwa Moonshot AI ilitumia distillation kufundisha Kimi K3, pengine ilikosa data muhimu za mashambulizi ya mtandao. Mifano ya kilele ya Marekani hutumia vigezo vikali vya usalama (safety classifiers) ambavyo huzuia maswali ya mashambulizi ya hali ya juu. Hivyo basi, seti ya data iliyojengwa kutokana na matokeo ya umma ya mifano hii itakuwa imepungukiwa kwa asili na maarifa yenyewe yanayohitajika kwa unyonyaji wa hali ya juu. Hii inaelezea jinsi Kimi K3 inavyoweza kufanana na mifano ya Magharibi katika programu za jumla na mantiki huku ikishindwa sana katika kazi maalum za mashambulizi ya mtandao.

Uwezo Unaokua na Hatari Zinazoendelea

Licha ya pengo la sasa, uchambuzi wa CAISI wa mfululizo wa muda unaonyesha kuwa mifano ya Marekani na China iko kwenye mwelekeo wa kupanda kulingana na mfumo wa Elo. Pengo la utendaji kwa mifano ya wazi (open models) limepungua kutoka miezi sita hadi kumi mwanzoni mwa mwaka 2025 hadi miezi minne hadi saba tu hivi karibuni. UK AISI inaonya kuwa upungufu huu wa pengo haumaanishi usalama; uwezo unaoongezeka wa mifano ya open-weight unawakilisha "hatari ya kudumu na isiyoweza kurekebishika ya matumizi mabaya" katika mazingira ya usalama wa mtandao duniani.

Mambo Muhimu ya Kuzingatia

  • Pengo la Utendaji wa Mtandao: Kimi K3 ilipata alama 32.2% kwenye ExploitBench, ikichelea sana wastani wa 76.2% wa mifano ya kilele ya Marekani, na ikashindwa kufikia Arbitrary Code Execution (ACE).
  • Uwezo wa Mashambulizi ya Mtandao: Katika uigaji wa TLO, Kimi K3 ilifikia wastani wa hatua 17 katika njia ya shambulio ya hatua 32, ikithibitisha kuwa inaweza kulenga mifumo yenye udhaifu lakini haina uaminifu wa mifano ya daraja la juu ya Marekani.
  • Nafasi ya Distillation: Upungufu wa ujuzi wa mtandao unaweza kutokana na mazoea ya distillation, kwani mafunzo kwenye matokeo ya umma yaliyofanyiwa udhibiti kutoka kwa mifano kama Claude yanapungukiwa na data za mashambulizi zinazohitajika kwa unyonyaji wa hali ya juu.