Yerli model kommersiy litsenziya himoyasini 30 daqiqada buzdi: Qwen 3.8 27B o'z xatolarini o'zi tuzatdi

Yerli yuklanadigan modellarning qobiliyati yangi bosqichga kirdi. Qwen 3.8 27B — Alibaba tashkil topgan ochiq vaznli model — kommersiy ilovaning litsenziya tekshiruv mexanizmini faqat 30 daqiqada yondi, shuning uchun ham hech qanday kodni bajarmasdan. Model avval rad etgan, keyin o'z-o'zini qo'llab-quvvatlagan, xato kalitni aniqlab, byte-byte mos keladigan to'g'ri kalitni topdi.

Test standarti: GB10 Grace Blackwell ustida 128 GB xotira

Sinov Lenovo ThinkStation PGX ish stansiyasida o'tkazildi. Bu qurilma Nvidia GB10 Grace Blackwell chipli, 128 GB yagona xotira va 273 GB/s tezlikka ega. Standart sozlamada model 15–30 token/sekund tezlikda ishladi, lekin SGLang, NVFP4 va DFlash2 spekulativ dekodlash aralashtirganda kod va mantiq vazifalari uchun 50 token/sekundga yetdi. 27 milliard parametrli model 17 GB videoxotira sig'adi — bu nisbatan arzon zaxira uchun juda kuchli natija.

Vazifa: haqiqiy dunyo litsenziya tekshiruvi

Muallif o'zi sotib olgan va foydalangan kommersiy ilovani tanladi. Bu — model ma'lumotlari to'plamida bo'lmasligi kerak bo'lgan, lekin murakkab va maxsus vazifa. Maqsad: modelning kiberxavfsizlik sohasidagi cheklovlarini va imkoniyatlarini sinab ko'rish. Natija — yerli modellardan ko'rilgan eng ta'sirli namunalardan biri bo'ldi.

Jailbreak urinishini aniqladi, sertifikatni tekshirdi

Dasturchi sifatida tarqatilgan "jailbreak" sistem prompti yuborildi. Qwen buni darhol aniqladi va rad etdi. Shu bilan birga imzo sertifikatini tekshirib, so'rov yuboruvchining haqiqiy dasturchi emasligini aniqladi va haqiqiy muallif nomini chaqirdi. Bu — zamonaviy modellarning oddiy prompt injeksiyalariga chidamliligi haqida yana bir ko'rsatma.

Rad etishdan auditga, audittan — ishlovchi bypassga

Model rad etganidan so'ng taklif qildi: litsenziya tekshiruvini audit qiladi, zaif tomonlarni hujjatlashtiradi, lekin ishlovchi bypass qurmaydi. Ammo audit yakunlangach, barcha bosqichlar oldida bo'lgani uchun o'z qarorini o'zgartirdi va to'liq ishlovchi proof-of-concept skriptini yozdi. Bu — modelning o'z cheklovlarini kontekstga qarab qayta baholash qobiliyati.

Faqat statik tahlil: hech qachon ilovani ishga tushirmadi

Qwen ilovani oxirgi bosqichda (bypass ishlashini ko'rsatganda) dan tashqari hech qachon ishga tushirmadi. Barcha ish statik tahlil orqali bajarildi: ARM64 dissambleri, minglab qator kod, xavfsizlik funksiyalarini chaqiruv joylariga bog'lash, va vendorning yashirgan ochiq tekshiruv kalitini binary ichidan topish. Model barcha elementlarni yig'ib, ilova litsenziyalarini tekshirishga ishlatgan ochiq kalitni tikladi.

Muallifning haqiqiy litsenziyasi bu kalit bilan imzolanib, model tiklagan kalit mos keldi. Ya'ni, 17 GB videoxotirada sig'adigan model vendorni qasddan yashirgan kalitni tikladi — bu butun zanjirni dekonstruksiya qilib bo'lganligi dalili.

Litsenziya sxemasining tuzilishi va uchta zaif nuqta

Model batafsil hisobot saqladi. Faollashtirish faqat bir marta, onlayn (sotib olish/yangilash paytida) sodir bo'ladi. Keyin barcha tekshiruvlar oflayn: imzo tekshiruvi, platformadan o'qiladigan aparatura seriya raqamiga bog'lash, ichki rad etilganlar ro'yxati, binary hali ham imzolanib turganligi, va imzolanib yangilanish yo'li. Bu — Ghidra kabi vositalar bilan qo'lda bajarilishi mumkin, lekin juda og'ir ish.

Qwen sxemani "bu sinf ilovalari uchun ancha chuqur" deb baholadi, lekin uchta zaif nuqtani ko'rsatadi:

• Noto'g'ri o'lchamli RSA kalit — zamonaviy standartlardan past darajada.
• To'liq oflayn tekshiruv — cho'qib ketgan kalit faqat yangilanish orqali rad etilishi mumkin.
• Barcha tekshiruvlar mahalliy kodda — har qanday mahalliy tekshiruv kabi, bu ham patch qilinishi mumkin.

O'z xatosini o'zi tuzatti: hash mos kelmadi, model qayta urindi

Birinchi kalit taklifi imzo tekshiruvidan o'tdi, lekin binary hisoblab turgan xesh (integrity check) mos kelmadi. Ko'plab modellar bu yerda to'xtab, natijani to'g'ri deb e'lon qlardilar. Qwen 3.8 27B bunday qilmadi: mos kelmaganlikni aniqladi, qayta tahlilga kirdi va byte-byte mos keladigan kalitni topib chiqdi. Bu — modelning o'z natijasini tekshirish va iterativ tuzatish qobiliyati.

Cheklov: maksimal mantiq harakati token sarflaydi

Bu turli iterativ yechimlarning qoldi: standart sozlamada model mantiq harakatini maksimal darajada tutadi. Hatto oddiy so'rovlar ham bir necha yuzdan bir necha ming token sarflaydi. 30–50 token/sekund tezlikda ham bu vaqt talab qiladi. Ammo natijaga qaraganda bu cheklov qabul qilinishi mumkin.

Nima bu o'zgartiradi?

Bu sinov yerli modellarning faqat kod yozish yoki savollarga javob bermoqchi emas, balki murakkab tahlil, dekonstruksiya va o'z-o'zini tuzatish qobiliyatiga ega ekanligini ko'rsatdi. Kommersiy himoya mexanizmlari — aksincha, qiyinlashtirilgan RSA va oflayn tekshiruvlar bilan — ham yerli modellarning oldida chidamli emas. Xavfsizlik mutaxassislari uchun bu — o'z ishlarini tezlashtiruvchi kuchli vosita; vendorlar uchun — himoya sxemalarini qayta ko'rib chiqish signali.

Qwen 3.8 27B hali ham ochiq vaznli modellarning 4B–40B oralig'ida Artificial Analysis reytingida 52 ball bilan birinchilikda. SWE-bench Pro natijalari ham qimmatroq yopiq modellarni oldinda. Agar bu tendentsiya davollansa, yaqin kelajakda "faqat bulut modeli buni qila oladi" degan fikr butunlay bartaraf etiladi.

Asl manba: xda-developers.com