Altar-1, un modèle de sécurité conçu pour rester chez le client

NNoor

D’après MarkTechPost, Aikido Security a publié Altar-1, un modèle de sécurité à poids ouverts dérivé de GLM-5.3, le modèle de Z.AI. L’idée centrale est de permettre à des organisations de faire fonctionner l’outil dans une infrastructure qu’elles contrôlent, plutôt que d’envoyer leur code vers un service externe pour le faire analyser. C’est un enjeu particulier pour des environnements où les données doivent rester sur place, ou pour des réseaux isolés d’Internet. Aikido destine Altar-1 à alimenter Aikido Machine, son outil de test d’intrusion autonome, utilisable sur site et dans ces réseaux isolés. La nouveauté porte donc à la fois sur le modèle publié et sur son mode de déploiement : ses poids sont accessibles, et l’exécution est prévue du côté du client. Cela ne signifie pas que toutes les organisations peuvent l’installer sans contrainte, ni que le modèle trouve automatiquement chaque faille. Mais cela propose une option pour examiner des systèmes sensibles sans déplacer leur code hors de l’environnement contrôlé par le client.

NNoor

GLM-5.3 est un modèle à mélange d’experts qui compte 753 milliards de paramètres au total, mais environ 40 milliards de paramètres sont actifs pour chaque jeton traité. Aikido indique avoir appliqué deux réductions, sans réentraîner le modèle : une quantification en 4 bits des poids des experts routés, puis l’élagage d’une partie de ces experts. Sur les 256 experts d’origine, 168 sont conservés et 88 sont retirés. Le mécanisme de routage continue de choisir 8 experts par jeton, mais il les sélectionne désormais parmi les experts conservés. La quantification diminue l’espace nécessaire au stockage de certains poids, tandis que l’élagage réduit leur nombre ; les deux opérations contribuent donc à alléger l’ensemble. Aikido dit avoir calibré l’élagage avec des traces issues de son outil de test d’intrusion, ainsi qu’avec des exemples de code, d’utilisation d’outils, de raisonnement et de texte multilingue. L’entreprise précise que cette calibration n’a pas utilisé de données de clients. Elle explique aussi que les experts ont été évalués en tenant compte de leur contribution dans différents domaines, afin de préserver ceux qui sont utiles à des tâches spécialisées. Le modèle conserve ainsi environ 40 milliards de paramètres actifs par jeton, tout en étant dérivé d’un modèle beaucoup plus vaste.

NNoor

Altar-1 vise les organisations qui souhaitent réaliser des tests de sécurité dans leur propre environnement, y compris lorsque leur réseau n’est pas connecté à Internet. Les poids du modèle sont publiés sur Hugging Face, et Aikido indique qu’il peut être exécuté avec vLLM sur un seul nœud équipé de 4 processeurs graphiques NVIDIA H200. La fiche du modèle exige des processeurs graphiques de génération Hopper, notamment des H100 ou des H200 : on parle donc d’un équipement spécialisé, et non d’un serveur ordinaire. Les poids occupent 328 gigaoctets. Selon les chiffres indiqués par Aikido, c’est 78,2 % de moins que la version BF16 de GLM-5.3 et 32,8 % de moins que le point de contrôle AWQ dont Altar-1 est dérivé. Le gain de taille est important, mais la machine doit tout de même disposer de plusieurs processeurs graphiques haut de gamme. Aikido indique qu’un nœud avec 4 H200 permet aussi de réserver de la mémoire pour un cache de contexte de 128 000 jetons. Ce cache accompagne le contexte que le modèle traite, et il partage la mémoire disponible avec les poids. La configuration annoncée répond donc à un compromis concret : faire tourner le système dans l’infrastructure du client tout en conservant de la place pour un long contexte de travail.

NNoor

Aikido a évalué Altar-1 sur un benchmark interne consacré à la redécouverte de 32 vulnérabilités déjà connues, réparties dans 30 dépôts de code. L’entreprise annonce un rappel moyen de 60,4 %, et indique que le modèle a détecté au moins une fois 23 de ces 32 vulnérabilités. Le test a comporté 3 exécutions par cas ; le rappel moyen et le nombre de vulnérabilités repérées au moins une fois décrivent donc deux aspects différents des résultats. Le premier résume les détections sur les essais, tandis que le second compte les failles qui ont été retrouvées au moins une fois. Il faut surtout retenir le périmètre : le modèle devait retrouver des vulnérabilités dont l’existence était déjà connue dans les dépôts testés. Aikido précise que ce benchmark ne mesure ni la découverte à l’aveugle de nouvelles vulnérabilités, ni la validation d’exploits, ni la proposition de correctifs. Le score constitue donc un résultat sur un protocole interne bien délimité, et non une mesure générale de la capacité du modèle à sécuriser n’importe quel logiciel. Il donne un premier repère sur une tâche précise, mais ne permet pas de conclure seul sur tous les usages d’un test d’intrusion.

NNoor

La première limite concerne le benchmark : il porte sur 32 vulnérabilités connues, dans 30 dépôts, et ne teste pas la découverte à l’aveugle de failles inconnues. Aikido précise aussi que son évaluation ne mesure ni la validation d’exploits ni la capacité à proposer des correctifs. Le rappel moyen de 60,4 % doit donc être lu comme le résultat obtenu sur ce test précis, et non comme une garantie de performance pour d’autres logiciels ou d’autres contextes. Aikido affirme également qu’Altar-1 a détecté une vulnérabilité critique pendant un test d’intrusion en production chez un client. Ce cas est présenté comme un résultat unique rapporté par l’entreprise ; il peut illustrer un usage, mais ne constitue pas à lui seul une évaluation répétée des performances. Il faut distinguer cet exemple du benchmark, qui porte sur plusieurs vulnérabilités connues et fournit un protocole décrit. Enfin, le déploiement local ne supprime pas les contraintes matérielles : les poids restent volumineux et la configuration indiquée repose sur des processeurs graphiques Hopper, tels que les H100 ou les H200. L’intérêt de garder le traitement dans l’infrastructure du client est donc réel pour certains usages, mais il s’accompagne d’exigences techniques et de résultats qui doivent être interprétés dans leur périmètre.

NNoor

À retenir, Aikido Security propose avec Altar-1 un modèle de sécurité dérivé de GLM-5.3 et conçu pour fonctionner sur l’infrastructure du client. L’entreprise a réduit le modèle en combinant une quantification en 4 bits et l’élagage de 88 experts sur 256, sans le réentraîner. Les poids occupent 328 gigaoctets, ce qui représente une baisse annoncée de 78,2 % par rapport à GLM-5.3 en BF16 et de 32,8 % par rapport au point de contrôle AWQ d’origine. Le modèle est destiné à alimenter Aikido Machine, l’outil de test d’intrusion autonome de l’entreprise, notamment sur site et dans des réseaux isolés d’Internet. Sa disponibilité sur Hugging Face et son exécution possible avec vLLM donnent une voie de déploiement, mais le matériel indiqué reste exigeant, avec un nœud de 4 H200 pour la configuration décrite. Côté efficacité, le chiffre annoncé est un rappel moyen de 60,4 % sur un benchmark interne de redécouverte de failles connues, avec 23 vulnérabilités détectées au moins une fois sur 32. Le test ne mesure pas la découverte à l’aveugle, la validation d’exploits ou les correctifs. Et le cas de vulnérabilité critique signalé en production reste un exemple unique rapporté par Aikido. Altar-1 apporte donc une possibilité de test local, mais les résultats disponibles ne doivent pas être étendus au-delà de ce qu’ils évaluent.