Auf den Punkt: Antares-Modelle reduzieren große Codebäsen auf fokussierte Dateilisten für die manuelle Schwachstellen-Analyse, ohne dabei Code-Review-Prozesse zu ersetzen.
Cisco hat eine Familie von Open-Weight-KI-Modellen namens Antares entwickelt, die Code-Reviewer dabei unterstützen, potentiell anfällige Dateien in großen Repositories zu identifizieren. Die Modelle werden speziell für die Vulnerabilität-Lokalisierung trainiert und basieren auf CWE-Beschreibungen statt auf vordefinierte Regeln.
Cisco hat drei spezialisierte Modelle mit 350 Millionen, 1 Milliarde und 3 Milliarden Parametern veröffentlicht, die für die Lokalisierung von Schwachstellen auf Repository-Ebene trainiert wurden. Das größte Modell – Antares-3B – liefert nach Angaben des Herstellers Ergebnisse, die denen von GPT-4.5 entsprechen, bleibt aber klein genug für kostengünstige lokale Deployment auf einzelnen GPUs.
Antares unterscheidet sich grundlegend von herkömmlichen Static-Analysis-Plattformen wie Semgrep oder CodeQL, die auf vordefinierten Regeln oder Abfragen basieren. Stattdessen funktioniert Antares als ein „evidence-driven exploration agent“, der seine Suchstrategie adaptiv an die Traversierung des Repositories anpasst. Das Modell gibt eine priorisierte Liste von Quelldateien aus, die eine bestimmte Schwachstellenklasse enthalten könnten, zusammen mit einer Nachverfolgung des Suchpfads. Ziel ist, große Codebäsen auf eine bearbeitbare Menge zu reduzieren: In großen Repositories mit Tausenden von Dateien wird manuelle Durchsicht praktisch unmöglich, Antares soll diese Fatigue senken.
Laut Cisco-Sicherheitsforscher Supriti Vijay liegt der Zweck darin, „ein großes Codebase auf einen fokussierten Satz von Dateien zu reduzieren, die ein Sicherheitsprofi oder ein nachgelagerter Security-Workflow untersuchen sollte.“ Das Modell ersetzt nicht die Urteilskraft von Security Engineers, sondern soll die Triage früher und gezielter ermöglichen.
Allerdings setzt Cisco bewusst Grenzen: Antares ersetzt weder die Bestätigung der Ausnutzbarkeit noch die Identifikation exakter Codezeilen, die Schweregrad-Bewertung oder das Patch-Generieren. Diese Aufgaben bleiben bei Analysten oder nachgelagerten Security-Tools. Cisco argumentiert damit auch gegen den Trend zu immer größeren Foundational Models und setzt auf spezialisierte, für eine konkrete Task trainierte Modelle – Antares-3B übertrifft mehrere deutlich größere Open-Modelle von Google, OpenAI und Meta bei dieser Aufgabe.
Die drei Modelle sind auf Hugging Face als Open-Weight verfügbar. Die CLI unterstützt gezielte CWE-Untersuchungen, Repository-weite Scans, SARIF-Output und lokale Inferenz – was es Organisationen ermöglicht, proprietary Code in der eigenen Trust Boundary zu halten. Unbeantwortet bleibt jedoch, wie oft solche Scans sinnvoll sind und ob die reduzierte Investigationszeit messbar die Sicherheit oder Kosten verbessert.
Quelle: www.csoonline.com · Erschienen 22. Juli 2026
Lumi AI News — KI-assistierte Kuratierung gemaess Art. 50 EU AI Act. Paraphrase und Klassifikation durch Lumi News Pipeline v1.7.3.