Ochiq kodli agentlar pentester o'rnini bosa oladimi: Strix va PentAGI testi
Strix va PentAGI ochiq kodli AI-agentlarini real infratuzilmada sinovdan o'tkazamiz. Afzalliklari, kamchiliklari va xatolar tahlili.

Avtonom sun'iy intellekt agentlari veb-ilovalar va infratuzilmani tekshirish vazifasini bajarayotgan bir paytda, tajribali mutaxassislar ularning imkoniyatlarini real sharoitda sinab ko'rmoqda. Ochiq kodli yechimlar haqiqatan ham inson o'rnini bosa oladimi?
Biz Strix va PentAGI deb nomlangan mashhur ochiq kodli LLM-agentlarini real loyiha infratuzilmasida sinovdan o'tkazib, ularning samaradorligi, aniqligi va token sarfini o'rganib chiqdik.
- Strix asosan veb-ilovalar va kodni tahlil qilishga ixtisoslashgan bo'lib, natijalarni PoC orqali tekshirishga urg'u beradi.
- PentAGI esa to'laqonli pentest o'tkazishga mo'ljallangan va uzun kontekst bilan ishlashga optimallashtirilgan keng qamrovli tizimdir.
- Har ikki vosita izolyatsiya qilingan Docker-muhitida ishlaydi, biroq ularga aniq maqsadlar va dastlabki qadamlar ko'rsatilishi talab etiladi.
Strix va PentAGI arxitekturasi hamda ishlash xususiyatlari
Har ikkala vosita tekshiruvlarni rejalashtirish, vositalarni ishga tushirish, skriptlar yozish va hisobotlar tayyorlashni avtomatlashtira oladi. Biroq to'laqonli razvedka va aktivlar reestrini yollashni alohida bajarish tavsiya etiladi, chunki agentlar aniq belgilangan maqsadlar bo'yicha ishlashga mo'ljallangan.
Shuningdek o‘qingWorkOS xavfsizlik tizimi sun'iy intellekt agenti tomonidan buzildiStrix o'z ishida kichik agentlarga vazifalarni taqsimlaydi va yolg'on ijobiy xabarlarni kamaytiradi. PentAGI esa kengroq ko'lamda harakat qila oladi, lekin uning avtonomligi belgilangan qoidalardan (ROE) chiqib ketish xavfini tug'dirishi mumkin.
Sinov natijalari va yolg'on ijobiy xabarlar
Amaliy sinov davomida Strix deyarli yolg'on xabarlar bermadi, ammo topilmalar tanqidiyligini oshirib yubordi. U aniqlagan 15 ta muammoning aksariyati past darajadagi yoki umumiy ma'lumotlar bo'lib chiqdi.
PentAGI esa 296 ta zaiflikni topdi, ularning aksariyati tanqidiy deb belgilandi. Biroq tekshiruv natijasida bu topilmalarning deyarli barchasi yolg'on bo'lib chiqdi va agent hatto ruxsat etilmagan tarmoq diapazoniga ham o'tib ketdi.
Resurslar sarfi va iqtisodiy jihat
Bunday agentlarning ishlashi katta miqdordagi tokenlarni talab qiladi. Strix sub-agentlar o'rtasida kontekstni qayta uzatishi sababli 145 milliondan ortiq token sarfladi.
PentAGI esa taxminan 31 million token ishlatdi, biroq uning agressiv kontekst siqish algoritmlari muhim detallarni yo'qotish xavfini keltirib chiqarishi mumkin.
Xulosa va mutaxassislar uchun ahamiyati
O'tkazilgan tadqiqot shuni ko'rsatdiki, hozirgi ochiq kodli agentlar tajribali pentester o'rnini to'liq bosa olmaydi. Ular yordamchi vosita sifatida foydali bo'lishi mumkin, ammo xavfsizlikni baholash va risklarni tahlil qilish doimo inson nazorati ostida qolishi shart.
O'zbekistonlik IT va axborot xavfsizligi mutaxassislari uchun bu kabi avtomatlashtirilgan vositalarni qo'llashda qat'iy cheklovlar va xavfsizlik qoidalariga rioya qilish muhimligini anglatadi.



