Ciscos Antares-Modelle zur Verbesserung der Schwachstellenlokalisierung in Software-Codebasen

Ciscos Antares-Modelle: Eine neue Ära der Schwachstellenlokalisierung durch Open-Source-KI

Cisco hat kürzlich die Antares-Modelle vorgestellt, eine Reihe von Open-Weight-KI-Modellen, die speziell für die Lokalisierung von Schwachstellen in Software-Codebasen entwickelt wurden. Diese Entwicklung zielt darauf ab, die Effizienz und Spezifität bei der Identifizierung potenziell anfälliger Codeteile zu verbessern. Die Modelle Antares-350M und Antares-1B sind auf der Plattform Hugging Face unter der Apache 2.0 Lizenz verfügbar, wobei der Zugriff auf die Modelldateien einem Überprüfungsprozess durch Cisco unterliegt. Eine größere Version mit drei Milliarden Parametern befindet sich derzeit in Entwicklung.

Die Herausforderung der Schwachstellenlokalisierung

Die Lokalisierung von Schwachstellen ist ein fundamentaler Schritt in der Software-Sicherheit, der traditionell zeitaufwendig und ressourcenintensiv ist. Sicherheitsteams müssen oft große, unbekannte Codebasen durchsuchen, um die genaue Stelle zu finden, an der eine bekannte Schwachstelle existiert. Dieser Prozess erfordert tiefgreifendes Fachwissen und kann Stunden bis Tage in Anspruch nehmen. Die Antares-Modelle wurden entwickelt, um diesen ersten Schritt erheblich zu beschleunigen und zu vereinfachen, indem sie sich auf die Identifizierung der wahrscheinlichsten Dateipfade konzentrieren.

Funktionsweise und Zielsetzung von Antares

Die Antares-Modelle sind nicht darauf ausgelegt, spezifische CVEs zu erkennen, Patches zu generieren oder Probleme direkt zu beheben. Ihr primäres Ziel ist die Schwachstellenlokalisierung. Dies bedeutet, dass sie Informationen aus Sicherheitswarnungen, Schwachstellen-Datenbanken und Common Weakness Enumeration (CWE)-Kategorien mit den Dateien in einer Codebasis verknüpfen, die die relevanten Codeabschnitte enthalten könnten. Wenn ein Antares-Modell einen CWE-Identifikator und eine generische Beschreibung der Schwachstelle erhält, durchsucht es das Repository über eine Terminal-Schnittstelle mittels Befehlen wie grep, find und cat.

Das Modell inspiziert Dateien, passt seine Suche iterativ an und liefert schließlich eine Liste potenzieller Dateipfade. Es führt keine uneingeschränkte Suche nach jeder möglichen Schwachstelle durch, sondern beginnt mit einem bekannten Schwachstellenkontext und priorisiert dann die zu untersuchenden Dateien. Dies reduziert den "Heuhaufen", in dem die "Nadel" (die Schwachstelle) gesucht werden muss, erheblich.

Benchmarking und Leistungsmerkmale

Cisco hat einen eigenen Benchmark, den Vulnerability Localization Benchmark, erstellt, da allgemeine Codetests die sicherheitsspezifische Dateilokalisierung nicht direkt messen. Dieser Benchmark umfasst 500 Aufgaben aus 290 Repositories, deckt sechs Paket-Ökosysteme und 147 CWE-Kategorien ab. 78 % der Einträge sind mit CVE-Identifikatoren verknüpft. Jede Aufgabe verwendet einen Repository-Snapshot von vor der Behebung einer Schwachstelle, wobei die "Ground-Truth-Dateien" die im entsprechenden Sicherheitspatch geänderten Implementierungsdateien sind (ausgenommen Tests, Dokumentation und Konfigurationsdateien).

In Ciscos internen Benchmarks zeigte Antares-1B eine Dateiebene F1-Score von 0,209, mit einer Präzision von 0,262 und einem Recall von 0,224. Cisco gab an, dass Antares-1B andere größere Modelle übertraf, wenn diese mit denselben Werkzeugen, Prompts, Terminal-Befehlsbegrenzungen und Generierungseinstellungen getestet wurden. Die kompakten Modelle erfordern zudem weniger Inferenzkapazität als größere, allgemeine Systeme. Antares-1B absolvierte den 500-Aufgaben-Benchmark in etwa 13 bis 15 Minuten auf einer Nvidia H100 GPU mit 16 parallelen Workern. Die geschätzten Inferenzkosten für einen vollständigen Antares-1B-Benchmark-Lauf lagen bei 0,71 US-Dollar, verglichen mit 12,50 US-Dollar für GLM-5.2 und 141 US-Dollar für GPT-5.5 unter den gleichen Bewertungsbedingungen.

Lokale Bereitstellung und Integration in CI/CD-Workflows

Die relativ geringe Größe der Antares-Modelle (Antares-1B mit etwa einer Milliarde Parametern und Antares-350M mit etwa 350 Millionen) ermöglicht es Unternehmen, sie in ihrer eigenen Infrastruktur zu hosten. Dies reduziert die Notwendigkeit, proprietären Quellcode an externe Modell-Anbieter zu senden, und erhöht die Datensicherheit. Cisco unterstützt die Bereitstellung über gängige Frameworks wie Transformers, vLLM, SGLang, Docker Model Runner und quantisierte Formate, die mit Tools wie llama.cpp und Ollama kompatibel sind.

Die Kommandozeilenschnittstelle (CLI) von Antares kann für gezielte Untersuchungen basierend auf spezifischen CWE-Identifikatoren sowie für umfassendere Repository-Scans eingesetzt werden. Sie kann Berichte in menschenlesbaren Formaten, JSON oder SARIF 2.1.0 ausgeben, was die Integration in bestehende Code-Scanning-Systeme wie GitHub Code Scanning oder interne Reporting-Tools erleichtert.

Im Rahmen eines CI/CD-Workflows könnte Antares nach einer Sicherheitswarnung, einer Abhängigkeitswarnung oder einer ausgewählten Schwachstellenkategorie ausgelöst werden, um weitere Untersuchungen anzustoßen. Cisco empfiehlt, Repositories in isolierten Containern ohne Netzwerkzugriff zu analysieren und nur Lesezugriff zu gewähren, um Risiken zu minimieren.

Grenzen und zukünftige Entwicklungen

Trotz der vielversprechenden Ergebnisse gibt es dokumentierte Einschränkungen der Antares-Modelle. Sie funktionieren weniger effektiv bei Repositories, die größer als 10 MB sind, unter der Standardbegrenzung von 15 Befehlen. Auch Schwachstellen, die Kontext aus fünf oder mehr Dateien erfordern, führen zu schwächeren Ergebnissen. Die Leistung variiert zudem je nach Schwachstellenkategorie, wobei Modelle bei eindeutig suchbaren Mustern wie Typverwechslungen oder Prototypen-Pollution stärkere Ergebnisse liefern als bei Problemen, die Berechtigungen, Sperren, Speicherverwaltung oder breiteres Programmverhalten betreffen.

Cisco empfiehlt stets die menschliche Validierung der von Antares gelieferten Ergebnisse, da die Modelle Kandidaten auf Dateiebene zurückgeben, aber keine bestätigten Schwachstellen identifizieren, die genaue Fehlerursache erklären oder Fixes generieren. Die Trainingsdaten der Modelle haben einen Stichtag vom 10. April 2025, weshalb Cisco empfiehlt, sie mit aktuellen Schwachstellen-Feeds und Sicherheitsdatenbanken zu ergänzen, um neuere Warnungen zu untersuchen.

Die Veröffentlichung der Antares-Modelle durch Cisco markiert einen wichtigen Schritt in der Automatisierung und Effizienzsteigerung der Schwachstellenlokalisierung. Durch die Bereitstellung als Open-Weight-Modelle und die Möglichkeit der lokalen Bereitstellung bietet Cisco Unternehmen ein leistungsstarkes Werkzeug, um ihre Software-Sicherheitspraktiken zu stärken und die Arbeitslast von Sicherheitsteams zu reduzieren.

Bibliografie

- Cisco Blogs. (2026, 21. Juli). Introducing Antares: Highly Efficient Open Weight AI Models for Vulnerability Localization. Verfügbar unter: https://blogs.cisco.com/ai/introducing-antares-the-most-efficient-open-weight-ai-models-for-vulnerability-localization - Hugging Face. fdtn-ai/antares-1b. Verfügbar unter: https://huggingface.co/fdtn-ai/antares-1b - Help Net Security. (2026, 21. Juli). Cisco's open-weight Antares models make vulnerability localization cheaper. Verfügbar unter: https://www.helpnetsecurity.com/2026/07/21/cisco-antares-vulnerability-localization-released/ - Axios. (2026, 21. Juli). Cisco launches Antares AI models to find software vulnerabilities. Verfügbar unter: https://www.axios.com/2026/07/21/cisco-open-source-ai-models-cybersecurity - SecurityWeek. (2026, 21. Juli). Cisco Launches Low-Cost AI Models for Source Code Security. Verfügbar unter: https://www.securityweek.com/cisco-launches-low-cost-ai-models-for-source-code-security/ - InfoWorld. (2026, 22. Juli). Cisco’s AI shrinks haystacks to help security teams hunt needles. Verfügbar unter: https://www.infoworld.com/article/4200143/ciscos-new-ai-model-tells-code-reviewers-where-to-look-for-vulnerabilities.html - Developer-Tech. (2026, 22. Juli). Cisco open-sources Antares AI models for vulnerability detection. Verfügbar unter: https://www.developer-tech.com/news/cisco-antares-ai-vulnerability-detection/ - The Next Web. (2026, 22. Juli). Cisco’s tiny open-weight AI hunts bugs, beating Gemini. Verfügbar unter: https://thenextweb.com/news/cisco-antares-open-weight-bug-hunting-ai-vulnerability - Verdict. (2026, 22. Juli). Cisco launches Antares AI models for code vulnerability detection. Verfügbar unter: https://www.verdict.co.uk/cisco-antares-ai-models/