Cisco 开源 Antares 安全小模型 专攻代码漏洞定位

Cisco 近日推出名为 Antares 的安全专用小模型（SLM）家族，并同步开源其中两款模型 Antares-350M 与 Antares-1B，权重已在 Hugging Face 上向社区开放。这一系列模型聚焦网络安全中最耗时、成本最高的环节之一：在大型代码库中定位已知漏洞所在的源文件。Cisco 在自建的 Vulnerability Localization Benchmark 上测试后表示，Antares 以远低于主流模型的推理成本，取得了优于多个闭源与开源大模型的效果。Antares-3B 也已列入路线图，即将推出。

为何选择小模型切入安全场景

漏洞定位之所以困难，在于仓库体量大、安全信号噪声高、关键证据分散。安全分析师通常需要在陌生代码中检索、跟踪命名约定、检查调用链路、对比候选文件，最终判断某个弱点是否真实存在。Antares 正是为缓解这一高强度人工流程而设计。

更关键的是部署层面的考量。Antares 体量紧凑，可在本地或本地化（on-premises）环境中运行，避免将敏感源代码外传至云端。这让高校、公共部门以及预算受限的小型安全团队也能负担得起 AI 辅助的安全分析，也使 Antares 具备嵌入 CI/CD 流水线、对每次提交做实时扫描的可行性。

新加坡国立大学计算机科学系副教授 Reza Shokri 评价称，Antares-1B 在多类弱点、多种编程语言的代码上都能识别漏洞，而配套的 CLI 工具可直接用于扫描代码库、检查结果并接入自动化流程。斯坦福大学管理科学与工程系教授 Amin Saberi 则认为，Antares 将「近前沿」的代码安全推理精度与极低的运行成本结合，使「始终在线」的安全扫描成为可能。

技术路径：让小模型学会搜索与反思

Antares 的设计灵感来自 Cisco Foundation AI 团队的前期研究：紧凑模型也可以学会搜索、反思、修正策略，并在路径无效时回溯。也就是说，有效的检索行为不一定依赖模型规模，更可能源于可学习的搜索策略。Antares 将这一思路迁移到漏洞定位这一更紧迫的现实问题上。

其工作方式接近人工调查员对代码库的遍历过程：从一段漏洞描述出发，搜索相关代码模式，读取候选文件，纳入新证据，在路径无效时调整方向，最终收敛到最可能存在漏洞的文件列表。模型输出的是按风险排序的源文件清单，便于工程师进一步复核，而不是替代专家判断。

Antares 实际可支撑的工作流包括：

• 在仓库快照中定位与某类 CWE 相关的文件
• 配合安全公告进行线索驱动的调查
• 作为传统静态分析的补充，引入模型驱动的仓库探索
• 在 CI/CD 中对疑似存在漏洞的文件做提前审查
• 在隐私或合规要求严格的场景下提供本地化分析

围绕 Antares 构建的开放生态

除了两款开源权重模型，Cisco 还同步推出了开源规范 Foundry Security Spec、安全编码指南 CodeGuard 以及上述漏洞定位基准，尝试为 AI 安全工具定义一套可被企业评估与采纳的实践标准，降低采购与集成门槛。整体策略延续 Cisco 在网络安全领域一贯的「工具 + 规范 + 社区」打法。

对开发者与安全团队而言，Antares 的意义在于：在一个高度依赖云端大模型推理的市场中，提供了一条可本地化、可流水线化、成本可控的替代路径，尤其适用于代码资产敏感、推理预算受限的场景。