Claude Mythos prošel 32krokový kyberútok TLO

# Claude Mythos: první model AI prošel 32krokovou kyberútokem na firemní síť

Claude Mythos Preview autonomně provedl 32krokovou simulaci korporátního kyberútoku od průzkumu až po úplné ovládnutí sítě. Podle dat AI Security Institute (AISI) model dokončil scénář úplně v 3 z 10 spuštění, v průměru dosáhl 22. kroku. Lidskému expertovi na podobný úkol stačí asi 20 hodin.

Simulace The Last Ones: struktura a výsledky

Scénář The Last Ones (TLO) modeluje kompletní útok na firemní síť:

• Primární průzkum.
• Získání počátečního přístupu.
• Krádež přihlašovacích údajů z prohlížečů.
• Laterální pohyb mezi hosty.
• Exploitace webových aplikací.
• Eskalace privilegií.
• Reverzní inženýrství C2 provozu.
• Finální ovládnutí sítě.

Mythos překonal konkurenty: Claude Opus 4.6 se v průměru zastavoval na 16. kroku, Claude Sonnet 3.7 neprošel ani průzkum. Úspěšnost Mythosu činila 30 % úplných průchodů, což naznačuje průlom v autonomních kyberoperacích AI.

AISI poznamenal, že výkon je omezen rozpočtem inferenci. Při zvýšení limitu na 100M tokenů na pokus se výsledky zlepšily, bez známek stropu schopností modelu.

Výsledky v capture-the-flag úkolech

Na CTF polygonu AISI Mythos dosáhl:

• 73% úspěšnosti na expert-level (nedokázaly je vyřešit modely do dubna 2025).
• 87% na apprentice úrovni.
• 97% na úkolech pro nespecialisty.

To demonstruje škálovatelnost: model je efektivní od jednoduchých po složité scénáře. Nicméně na polygonu Cooling Tower, který simuluje OT systémy, Mythos selhal na standardních IT krocích před OT sekcemi.

Omezení testovacích polygonů

Polygony AISI jsou zjednodušené: bez aktivních obránců, detektorů a penalizací za alerty. Mythos nebyl testován v podmínkách reálné chráněné infrastruktury. AISI zdůrazňuje, že výsledky nelze přímo extrapolovat na production prostředí.

Institut plánuje evoluci metodologie:

• Přidání aktivního monitoringu.
• Systémy detekce na endpointech.
• Simulaci SOC odpovědi.
• Testování AI-asistovaného vulnerability scanningu na reálných systémech.

Aktuální polygony už nedokážou odlišit top modely: Mythos, Opus 4.6 a GPT-5.4 dosahují limitu na nechráněných stendech.

Co je důležité

• Mythos je první model s 30% úspěšností v kompletní 32krokové simulaci TLO, předčí Opus 4.6 (16 kroků průměrně).
• 73% na expert CTF; růst výkonu při zvýšení tokenů na 100M.
• Selhání na OT kvůli IT krokům; polygony zjednodušené, bez reálných ochran.
• AISI mění metodologii: přidá monitoring, EDR a reálné skeny.

Tyto benchmarky signalizují zralost AI v red teamingu. Vývojáři by měli brát v úvahu rizika autonomních agentů v security kontextech a soustředit se na posílení ochran proti takovým hrozbám.

— Editorial Team