Yoan AGOSTINI

Yoan AGOSTINI

1337 G33k

Google Launches Gemini 3.5 Flash Cyber AI to Find and Fix Software Vulnerabilities

1 minute de lecture

Mis à jour :

Lancement de Gemini 3.5 Flash Cyber pour la cybersécurité automatisée

Google DeepMind a dévoilé Gemini 3.5 Flash Cyber, un modèle d’intelligence artificielle spécialisé dans la détection, la validation et la correction automatisée de vulnérabilités logicielles. Intégré à l’agent CodeMender, ce modèle léger est conçu pour être à la fois rapide et économiquement avantageux, surpassant ses prédécesseurs et ses concurrents (tels que Claude Opus 4.6) lors d’analyses complexes sur des projets d’envergure comme le moteur V8 JavaScript.

Points clés :

  • Accès restreint : Pour prévenir les risques de double usage, le modèle est actuellement réservé aux gouvernements et partenaires de confiance via CodeMender.
  • Performance supérieure : Lors de tests, le modèle a identifié 55 vulnérabilités uniques dans le moteur V8, contre 47 pour Gemini 3.5 Flash et 36 pour Claude Opus 4.6, incluant des failles inédites.
  • Capacités offensives simulées : Le modèle a démontré sa capacité à générer des exploits fonctionnels de type exécution de code à distance (RCE), capables de contourner des mécanismes de défense standard comme l’ASLR et le W^X.
  • Stratégie de déploiement : Google utilise des barrières de sécurité (guardrails) strictes au sein de CodeMender pour permettre les analyses de défense tout en empêchant toute utilisation malveillante.

Vulnérabilités testées :

  • Exécution de code à distance (RCE) dans des API publiques.
  • Corruption de mémoire (Memory-corruption) dans des services de production sensibles.
  • Note : Aucune CVE spécifique n’a été mentionnée dans l’article, le modèle se concentrant sur la découverte de nouvelles failles.

Recommandations :

  • Usage encadré : Privilégier l’intégration d’outils d’IA via des plateformes sécurisées et contrôlées (type Gemini Enterprise Agent Platform) pour minimiser les risques de détournement.
  • Défense proactive : Tirer parti de l’IA pour automatiser le cycle “découverte-correction” afin de réduire la fenêtre d’exposition entre l’apparition d’une faille et sa remédiation.
  • Red-teaming : Utiliser ces capacités de modélisation pour renforcer les tests d’intrusion sur les infrastructures critiques avant un déploiement public.

Source

Vous pourriez aimer