Summarize Paper logo SummarizePaper.com

Résumé IA · arXiv: 2611.06629v1 · econ.GN

Does Frontier AI Strengthen Cyber Defense? Evidence from Project Glasswing

Thomas Mosk
Article original Soumis à arXiv le 04 Nov. 2026 Licence : NONEXCLUSIVE-DISTRIB 1.0 Aussi en : en

Comment lire ce résumé ? Guide illustré

L’essentiel

L’accès à Claude Mythos Preview a accru les divulgations de vulnérabilités chez les entreprises participantes, sans hausse mesurée des exploitations, tandis que les chercheurs externes ont réorienté leurs recherches.

Question

L’accès à un modèle d’IA de pointe améliore-t-il la production d’informations défensives et la sécurité logicielle, ou les divulgations supplémentaires facilitent-elles aussi les attaques ? L’étude examine également les effets de cet accès sur les chercheurs externes et les entreprises exclues.

Méthode

L’étude exploite le lancement de Project Glasswing en avril 2026, qui a donné un accès anticipé à Claude Mythos Preview à 13 entreprises, et compare leurs divulgations à celles d’entreprises chinoises exclues. Elle combine les données publiques de vulnérabilités, les crédits de recherche et des catalogues d’exploitation ; l’échantillon comprend 177 104 vulnérabilités publiées entre janvier 2024 et octobre 2026. Des analyses en différences de différences portent aussi sur 7 237 chercheurs externes suivis mensuellement de janvier 2025 à septembre 2026.

Résultats

  • Résultat Après l’accès au modèle, les entreprises Glasswing ont augmenté leurs divulgations de vulnérabilités d’environ 120 % par rapport aux entreprises chinoises.
    Voir le passage dans l’article
    Column (1) shows that the Glasswing firms’ disclosures rose by 0.784 log points relative to the Chinese firms, an increase of about 120%.
  • Résultat Les divulgations ont augmenté pour plusieurs catégories de failles, avec une hausse particulièrement marquée des vulnérabilités à fort impact.
    Voir le passage dans l’article
    The rise was largest for high-impact vulnerabilities, which increased about two and a half times, and vulnerabilities that can be exploited remotely without credentials and those present in many releases rose broadly in line with all disclosures.
  • Résultat Les chercheurs externes ont moins signalé de vulnérabilités dans le code des entreprises Glasswing et davantage dans celui d’autres entreprises, sans baisse de leur probabilité d’activité mensuelle.
  • Résultat La part des vulnérabilités Glasswing exploitées peu après leur divulgation a diminué, mais le nombre de vulnérabilités exploitées n’a pas changé de manière mesurable.
    Voir le passage dans l’article
    The number of exploited vulnerabilities distinguishes the two, and it did not change relative to the large non-Chinese firms (Appendix Table A11): neither the number exploited within one, two, or three months of publication nor the number of zero-day or n-day exploitations moved significantly.
  • Interprétation des auteurs Les auteurs interprètent la baisse de la part exploitée comme compatible avec la découverte de failles latentes que les attaquants n’utilisaient pas encore, sans établir une préemption des attaques.
    Voir le passage dans l’article
    The evidence so far therefore shows that the flaws added by AI access were latent flaws that attackers were not using, which is the premise of pre-emption, but not pre-emption itself: the number of Glasswing zero-days did not change (Appendix Table A11).

Limites

  • Les vulnérabilités divulguées ne permettent pas d’observer directement le stock de failles ni le nombre total de failles découvertes.
    Voir le passage dans l’article
    I observe disclosed vulnerabilities rather than the underlying stock of flaws or the total number discovered, and disclosure counts reflect discovery, validation, and the decision to publish.
  • La sélection non aléatoire des entreprises et les différences de règles de divulgation entre pays limitent l’interprétation causale des comparaisons.
    Voir le passage dans l’article
    Because Anthropic chose the firms with access and the main comparison group consists of Chinese firms operating under different disclosure rules, the estimates measure access to Mythos Preview relative to the AI tools available to these firms, not the effect of AI relative to no AI;
  • L’étude observe les correctifs publiés par les fournisseurs, mais pas leur installation par les utilisateurs.
    Voir le passage dans l’article
    Finally, observing vendor fixes does not show whether or when users installed the patches, so the results concern disclosure and vendor remediation rather than the security of software in use.

Portée

Les auteurs soutiennent que l’effet d’une IA de pointe en cybersécurité dépend de sa capacité à aider les défenseurs à trouver les failles avant les attaquants, et pas seulement du volume de découvertes. L’accès restreint au modèle peut aussi créer une asymétrie de sécurité entre pays, tandis que la réorientation des chercheurs externes diffuse une partie de l’effort vers d’autres logiciels.

Rédigé par une IA à partir de l’article. Les passages cités sont vérifiés mot pour mot dans le texte analysé ; le reste peut contenir des erreurs.

Mots clés générés par l'IA : cybersécurité intelligence artificielle vulnérabilités divulgation exploitation

Pour aller plus loin

  • Résumé Complet
  • Résumé vulgarisé
  • Article de blog
  • Abstract original
L’article examine si l’accès à un modèle d’intelligence artificielle de pointe renforce la cybersécurité des entreprises ou accroît également les possibilités d’attaque. Il s’appuie sur le lancement de Project Glasswing, en avril 2026, qui a accordé à treize grandes organisations, principalement américaines, un accès anticipé à Claude Mythos Preview afin de rechercher des vulnérabilités. Les entreprises chinoises et russes ainsi que les chercheurs indépendants n’y avaient pas accès. L’étude analyse les vulnérabilités divulguées et leur correction, la réaction des chercheurs externes, puis l’exploitation des failles par des attaquants. L’auteur rassemble les divulgations publiques de vulnérabilités publiées entre 2024 et octobre 2026 à partir des bases CVE et NVD, complétées par la base nationale chinoise. Il compare les entreprises participantes aux entreprises chinoises, qui ne pouvaient pas accéder aux modèles d’Anthropic, puis vérifie certains résultats à l’aide d’un groupe de grandes entreprises non chinoises. L’analyse repose sur des comparaisons avant-après avec effets fixes, des études de trajectoire et plusieurs tests de robustesse. Pour étudier l’activité des chercheurs, l’auteur relie les crédits de découverte à des personnes et à des équipes, puis mesure leur exposition préalable aux logiciels des entreprises participantes. Pour analyser les attaques, il distingue les preuves d’exploitation réelle, la publication de code d’exploitation et les estimations de risque EPSS. Les divulgations des entreprises participant à Glasswing ont augmenté de 0,784 point logarithmique par rapport à celles des entreprises chinoises. Cette hausse, estimée à environ 120 %, représente près de 36 vulnérabilités supplémentaires par entreprise et par mois, par rapport à une moyenne antérieure de 29. Elle touche plusieurs catégories : le nombre de failles à fort impact a été multiplié par environ 2,5, et celui des failles exploitables à distance sans identifiants a également progressé. Les défauts complexes, qui ne peuvent être vérifiés par un simple test automatique, ont augmenté dans une proportion comparable à celle des failles plus faciles à confirmer mécaniquement. Cette hausse ne semble pas principalement découler de la publication soudaine d’un stock de vulnérabilités anciennes. Les divulgations récentes après réservation d’un identifiant ont progressé, tandis que le délai médian entre la réservation et la publication est passé de 75 à 22 jours. Les découvertes internes ont également fortement augmenté, passant d’environ quatre à 32 par mois et par entreprise en moyenne. L’étude ne relève pas de retard mesurable dans la correction des failles divulguées, ni chez les fournisseurs ni dans les distributions Linux examinées. Les chercheurs externes n’ont pas quitté le domaine, mais ont réorienté leur activité. Après l’accès au modèle, ceux dont les travaux antérieurs portaient uniquement sur les logiciels des entreprises participant à Glasswing ont signalé 57 % de vulnérabilités en moins dans ces logiciels. En revanche, leur production concernant les logiciels d’autres entreprises non chinoises a été multipliée par environ 2,5. Leur probabilité de rester actifs n’a pas changé. Ces résultats suggèrent que les chercheurs ont déplacé leurs efforts vers des logiciels dont les équipes internes ne disposaient pas du même outil. Les données ne montrent pas que les nouvelles divulgations aient entraîné une hausse des exploitations observées. La part des vulnérabilités de Glasswing exploitées dans le mois suivant leur publication a diminué d’environ deux tiers par rapport à son niveau antérieur.
Créé le 09 Nov. 2026

Cette synthèse vous a-t-elle été utile ?

Note : 0

Pourquoi avons-nous besoin de votes ?

Les votes sont utilisés pour déterminer si nous devons réexécuter nos outils de synthèse. Si le compte atteint -10, nos outils peuvent être redémarrés.

Posez des questions sur cet article à notre assistant IA

Comment discuter avec cet article ? Guide illustré

Comparer avec le PDF

Vous pouvez aussi discutez avec plusieurs papiers à la fois ici.

Figures et graphiques

Posez une question sur une figure en indiquant son numéro ou en utilisant son bouton de question pour demander une analyse visuelle. Au maximum deux figures et quatre panneaux par question. Les valeurs lues sur les graphiques sont approximatives ; vérifiez les données originales.
Instructions pour utiliser l'assistant IA ?

Outils pour cet article

Expliquer autrement 1 réécriture gratuite restante aujourd'hui
Enregistrer dans une collection Regroupez des articles en collections pour les comparer, les interroger et les exporter. Continuer avec Google Créer un compte gratuit Se connecter
Exporter BibTeX · RIS (Zotero, Mendeley, EndNote) · Obsidian (Markdown) · Notion (Markdown)

Outils avancés Premium

Pour suivre un domaine de près : alertes de citations, diapositives de journal club, comparaison des versions et envoi vers Zotero. Découvrir Premium

Zotero
Alertes de citation Guide des alertes de citations
Qui travaille dessus ? Les personnes et institutions qui publient sur son sujet
Lettre hebdomadaire Présenté dans « Économie et finance cette semaine » du 9 novembre 2026. Économie et finance cette semaine : quand les protections changent les comportements
Journal club Premium+ Des slides pour le présenter Proposer pour le journal club
Versions Ce qui a changé entre les versions
En parler en public Premium+ Kit presse : communiqué, questions, détecteur de hype Guide du kit presse

Les articles autour de celui-ci

Les voir sur une carte

Classés selon la proximité de leur titre et de leur résumé avec ceux de cet article. Sélectionnez-en pour les lire ensemble.

Les articles les plus proches

  1. Très proche Autre approche du problème
    Does AI Help Cyber Attackers or Defenders? Evidence from Nonpublic Vulnerabilities and Subsequent Attacks
    Tobias Heldt, Matthew Turk, Christoph R. Landolt et al. · 2026 · Pas encore résumé

    Does AI Help Cyber Attackers or Defenders? teste les modèles sur des vulnérabilités non publiques et des attaques ultérieures, plutôt que d’étudier l’accès anticipé des entreprises.

    Résumé scientifique

    The release decision for frontier AI systems increasingly relies on cyber capability benchmarks, yet public vulnerability benchmarks can expose agents to previously published advisories, exploits, and fixes, making it difficult to distinguish prior exposure from capability on unseen vulnerabilities. We evaluate open-weight and proprietary AI models on exploit generation, vulnerability repair and subsequent attacks in five nonpublic software environments, including vulnerabilities we privately disclosed while they remained unpatched. Researcher-developed and reviewed deterministic graders, not LLM judges, determine task scores. Comparisons with 209 disclosed vulnerabilities and cryptographic …

  2. Proche Contexte plus large
    The Safety Exposure Paradox: How Frontier AI Safety Research May Amplify Cyber Risk in Financial Infrastructure
    Abena Primo, Azubike Okpalaeze, Al Amin et al. · 2026 · Proceedings of the 7th National HBCU Blockchain, Fintech & AI Conference · Pas encore résumé

    The Safety Exposure Paradox analyse comment les divulgations de recherches sur la sûreté des modèles peuvent révéler leurs capacités offensives, sans mesurer leurs effets sur les vulnérabilités logicielles.

    Résumé scientifique

    Frontier artificial intelligence laboratories now publish detailed accounts of how their models behave under adversarial pressure: red-team transcripts, capability thresholds, interpretability findings, and responsible-scaling frameworks. These disclosures are widely treated as safety infrastructure, built to keep dangerous capabilities contained and visible to regulators. This paper argues that the same disclosures can function as a second, less examined kind of infrastructure: a map of where a model’s offensive ceiling sits, available to anyone willing to read it. Using a comparative case study of the published capability-disclosure frameworks of Anthropic, OpenAI, and Google DeepMind, thr…

  3. Proche Même méthode, autre problème
    ExploitGym: Can AI Agents Turn Security Vulnerabilities into Real Attacks?
    Zhun Wang, Nico Schiller, Hongwei Li et al. · 2026 · Cryptography and Security · preprint, non relu par les pairs · cité 41 fois · Résumé IA disponible

    ExploitGym évalue des agents d’IA capables de transformer des vulnérabilités logicielles en attaques, tandis que l’étude mesure les effets défensifs de l’accès à une IA de pointe.

    Résumé scientifique

    AI agents are rapidly gaining capabilities that could significantly reshape cybersecurity, making rigorous evaluation urgent. A critical capability is exploitation: turning a vulnerability, which is not yet an attack, into a concrete security impact, such as unauthorized file access or code execution. Exploitation is a particularly challenging task because it requires low-level program reasoning (e.g., about memory layout), runtime adaptation, and sustained progress over long horizons. Meanwhile, it is inherently dual-use, supporting defensive workflows while lowering the barrier for offense. Despite its importance and diagnostic value, exploitation remains under-evaluated. To address this g…

  4. Proche Contexte plus large
    Defensive Sufficiency in a Stackelberg Model of AI Security
    Subhabrata Majumdar, Rajlakshmi Chavan · 2026 · Pas encore résumé

    Defensive Sufficiency formalise les conditions où la découverte et la réparation des failles protègent un système, plutôt que d’estimer les effets d’un accès à l’IA.

    Résumé scientifique

    Feedback from automated testing, human red teaming, and incident response can strengthen an AI system's defenses when discovered failures lead to effective repairs. We study when this feedback process provides sufficient protection and when investing in it is economically worthwhile. We begin by showing that an attack surface composed of finite number of inputs is defended with probability 1 if every unresolved attack has a persistent chance of discovery, repairs are effective, and subsequent updates preserve earlier protection. We derive completion-time bounds and extend the analysis to growing attack surfaces, repairs that generalize across related attacks, and multiple discovery mechanism…

  5. Proche* Même question
    Adopting AI, inviting risk? An empirical analysis of corporate cybersecurity consequences in IT firms
    Wei Xiao, Shan Xu, Jin Li et al. · 2026 · Electronic Markets · Pas encore résumé

    Adopting AI, inviting risk? examine les conséquences de l’adoption de l’IA sur la cybersécurité des entreprises informatiques.

  6. Apparenté Même méthode, autre problème
    CyberDual: AI Attackers versus AI Code Reviewers in Real Software Maintenance
    Chenyuan Yang, Hwiwon Lee, Jongseong Kim et al. · 2026 · Pas encore résumé

    CyberDual évalue des agents d’IA qui détectent et réparent des failles introduites dans du code réel, plutôt que les effets d’un accès anticipé en entreprise.

    Résumé scientifique

    Open-source projects now let AI agents review incoming code, but the code under review may itself come from an AI attacker. We present CyberDual, an arena for this dual role of AI: attacker agents hide an exploitable bug in real maintenance work on widely used open-source projects, and reviewer agents try to find and repair it. Execution decides each match: we rerun the attacker's proof of concept (PoC) on the code that comes out of review. Every attack is new, and the windows can be rebuilt each quarter from the latest upstream history. Three agentic reviewers catch 85-91% of 1,088 valid attacks from six attackers. Yet when the attacker spreads the bug over real upstream commits, about one …

  7. Apparenté Article de revue
    Ten AI Stepping Stones for Cybersecurity
    Ricardo Morla · 2019 · Cryptography and Security · preprint, non relu par les pairs · cité 3 fois · Pas encore résumé

    Ten AI Stepping Stones for Cybersecurity fait le point sur les usages et les risques de l’IA en cybersécurité.

    Résumé scientifique

    With the turmoil in cybersecurity and the mind-blowing advances in AI, it is only natural that cybersecurity practitioners consider further employing learning techniques to help secure their organizations and improve the efficiency of their security operation centers. But with great fears come great opportunities for both the good and the evil, and a myriad of bad deals. This paper discusses ten issues in cybersecurity that hopefully will make it easier for practitioners to ask detailed questions about what they want from an AI system in their cybersecurity operations. We draw on the state of the art to provide factual arguments for a discussion on well-established AI in cybersecurity issues…

  8. Apparenté Même méthode, autre problème
    CWE-bench: Refocusing Agentic Security from Exploitation to Defense
    Gonzalo Gonzalez-Pumariega, Ajay Jagannath, Adit Jain et al. · 2026 · Pas encore résumé

    CWE-bench évalue des agents qui auditent et réparent des failles, alors que l’étude examine l’effet d’un accès à l’IA sur les divulgations et leur exploitation.

    Résumé scientifique

    Cybersecurity evaluations of AI agents have focused largely on offense, yet a working exploit does not show that an agent can make software safe. An attacker needs to exploit only one vulnerability; a defender must find and fix all of them. We introduce CWE-bench, a private benchmark of 120 held-out repository audit-and-repair tasks spanning 73 CWE types, eight languages, and all OWASP Top 10 2025 categories. Agents are given a repository to audit and a description of its threat model, but are not told the weakness, where it occurs, or how many vulnerable sites there are. Each patch must block the exploit while preserving original functionality, as checked by a programmatic verifier. We vali…

Les travaux antérieurs sur lesquels il s’appuie

  1. Apparenté Même méthode, autre problème
    CyberGym: Evaluating AI Agents' Real-World Cybersecurity Capabilities at Scale
    Zhun Wang, Tian-Neng Shi, Jing-Xuan He et al. · 2025 · International Conference on Learning Representations · cité 112 fois · Pas encore résumé

    CyberGym mesure les capacités d’agents à analyser des vulnérabilités réelles, et l’étude cite ce benchmark dans son analyse des effets de l’IA.

    Résumé scientifique

    AI agents have significant potential to reshape cybersecurity, making a thorough assessment of their capabilities critical. However, existing evaluations fall short, because they are based on small-scale benchmarks and only measure static outcomes, failing to capture the full, dynamic range of real-world security challenges. To address these limitations, we introduce CyberGym, a large-scale benchmark featuring 1,507 real-world vulnerabilities across 188 software projects. Adjustable to different vulnerability analysis settings, CyberGym primarily tasks agents with generating a proof-of-concept test that reproduces a vulnerability, given only its text description and the corresponding codebas…

  2. Apparenté* Même question
    Does information security attack frequency increase with vulnerability disclosure? An empirical analysis
    A. Arora, Anand Nandkumar, Rahul Telang · 2006 · Inf. Syst. Frontiers · cité 115 fois · Pas encore résumé

    Does information security attack frequency increase with vulnerability disclosure? étudie le lien entre divulgation de vulnérabilités et fréquence des attaques.

  3. Apparenté Contexte plus large
    The Effects of Generative AI on High-Skilled Work: Evidence from Three Field Experiments with Software Developers
    Kevin Cui, Mert Demirer, Sonia Jaffe et al. · 2026 · Management Sciences · cité 212 fois · Pas encore résumé

    The Effects of Generative AI on High-Skilled Work mesure l’effet d’assistants de codage sur la productivité des développeurs, plutôt que sur la sécurité logicielle.

    Résumé scientifique

    This study evaluates the effect of generative artificial intelligence (AI) on software developer productivity via randomized controlled trials at Microsoft, Accenture, and an anonymous Fortune 100 company. These field experiments, run by the companies as part of their ordinary course of business, provided a random subset of developers with access to an AI-based coding assistant suggesting intelligent code completions. Although each experiment is noisy and results vary across experiments, when data are combined across three experiments and 4,867 developers, our analysis reveals a 26.08% increase (standard error: 10.3%) in completed tasks among developers using the AI tool. Notably, less exper…

  4. Apparenté* Même question Utilisé en profondeur par cet article
    Before we knew it: an empirical study of zero-day attacks in the real world
    Leyla Bilge, Tudor Dumitras · 2012 · Conference on Computer and Communications Security · cité 777 fois · Pas encore résumé

    Before we knew it étudie les attaques zero-day dans le monde réel, un phénomène lié au calendrier d’exploitation des vulnérabilités.

  5. Apparenté* Contexte plus large
    Are Markets for Vulnerabilities Effective?
    S. Ransbotham, Sabyasachi Mitra, Jon Ramsey · 2012 · MIS Q. · cité 134 fois · Pas encore résumé

    Are Markets for Vulnerabilities Effective? porte sur les marchés de vulnérabilités, tandis que l’étude observe les signalements externes liés aux primes de bogues.

Aller plus loin

Comment ces articles sont-ils trouvés ?

Nous comparons le titre et le résumé de cet article avec ceux de tous les articles résumés sur ce site, et avec les articles que Semantic Scholar recommande, ceux qu’il cite et ceux qui le citent (pour un article très cité, ses citations les plus récentes et, depuis OpenAlex, les plus citées). Parmi les travaux antérieurs et les suites, les articles qui s’utilisent en profondeur, une méthode qu’il utilise et les suites très citées remontent un peu. Les niveaux (très proche, proche, apparenté) viennent de la similarité des textes, pas d’un jugement de qualité ; * signale un article sans résumé, comparé par son titre. La phrase sous un article est écrite par une IA à partir des deux résumés : vérifiez-la dans les articles. Un article jugé hors sujet par trois lecteurs quitte la liste.

Mis à jour le 9 novembre 2026.

Avertissement : Notre outil de synthèse basé sur l'IA et l'assistant virtuel fournis sur ce site Web peuvent ne pas toujours fournir des résumés complets ou des réponses exactes. Nous vous encourageons à examiner attentivement et à évaluer le contenu généré pour vous assurer de sa qualité et de sa pertinence par rapport à vos besoins.