Meta เปิดตัว Muse: AI Agent ส่วนตัวบนคลาวด์แยกเด็ดขาด
Meta เปิดตัว Muse ระบบ AI Agent ทำงานยาวนานขับเคลื่อนด้วย Muse Spark 1.3 พร้อมสถาปัตยกรรมความปลอดภัยขั้นสูงแยกการทำงานด้วย Sentinel
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Meta เปิดตัว Muse ระบบ AI Agent ส่วนตัวบนคลาวด์แยกเฉพาะ
- ขับเคลื่อนด้วยโมเดล Muse Spark 1.3 จัดการงานซับซ้อนยาวนาน
- ใช้สถาปัตยกรรมความปลอดภัย Sentinel อนุมัติทุกคำขอเครือข่าย
- ป้องกันการขโมยข้อมูลรับรองด้วยระบบตัวแทนและโทเค็นจำลอง
Meta Superintelligence Labs ได้ทำการเปิดตัว Muse ระบบ AI Agent ส่วนตัวที่ทำงานบนคอมพิวเตอร์คลาวด์เสมือนที่มีความปลอดภัยและถูกจัดสรรไว้โดยเฉพาะ โดยระบบนี้ถูกขับเคลื่อนด้วยโมเดลรุ่นใหม่ล่าสุดอย่าง Muse Spark 1.3 ซึ่งออกแบบมาเพื่อรองรับงานประเภทเอเจนต์ที่ต้องใช้เวลานานและมีความซับซ้อนสูง เช่น การเรียกใช้งานเครื่องมือ CLI แบบ zero-shot การประมวลผลเธรดเวิร์กโฟลว์หลายรายการพร้อมกัน และความสามารถในการแก้ไขข้อผิดพลาดด้วยตนเองเมื่อต้องประมวลผลข้อมูลจากแหล่งที่มาที่หลากหลาย
จากการประเมินภายในโดยทีมวิศวกรของ Meta พบว่าโมเดลใหม่นี้มีประสิทธิภาพที่ดีขึ้นอย่างเห็นได้ชัด โดยใช้จำนวนการเรียกใช้เครื่องมือน้อยลงประมาณ 20% และใช้โทเค็นน้อยลงประมาณ 25% เมื่อเทียบกับเวอร์ชันก่อนหน้าอย่าง Muse Spark 1.2 นอกจากนี้ ทาง Meta ยังระบุด้วยว่าระบบดังกล่าวมีความสามารถเข้าใกล้ระดับแนวหน้าในการต้านทานการโจมตีแบบ prompt injection สำหรับนักพัฒนาที่สนใจ สามารถทดลองใช้งานได้แล้วผ่านทาง Muse Code และ Meta Model API ที่เว็บไซต์ dev.meta.ai
จุดเด่นที่น่าสนใจที่สุดของการเปิดตัวครั้งนี้คือสถาปัตยกรรมด้านความปลอดภัย โดยตัวเอเจนต์จะทำงานอยู่ภายในรันไทม์เซลล์แบบ systemd-nspawn ที่มีการกรองระบบเรียกใช้งาน (syscalls) และจำกัดขีดความสามารถของเคอร์เนล ส่วนบริการที่มีความสำคัญด้านความปลอดภัยจะถูกแยกออกไปทำงานภายนอกเซลล์ดังกล่าวแต่อยู่บน VM เดียวกัน โดยจะมีระบบเอเจนต์แยกอีกตัวที่เรียกว่า Sentinel ทำหน้าที่ตรวจสอบและอนุมัติทุกการกระทำของตัวเชื่อมต่อรวมถึงคำขอเครือข่ายทั้งในเลเยอร์ 4 และเลเยอร์ 7
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
การนำระบบ Sandbox และโครงสร้างการควบคุมความปลอดภัยแบบแยกส่วน (Isolation) มาใช้กับ AI Agent ถือเป็นแนวทางสำคัญในยุคที่โมเดลภาษาเริ่มเข้ามามีอำนาจในการจัดการข้อมูลส่วนบุคคลและระบบภายในองค์กร การที่ Meta แยกส่วนประมวลผลออกจากระบบจัดการความลับอย่างเด็ดขาด ช่วยลดความเสี่ยงที่ AI จะถูกหลอกให้เปิดเผยข้อมูลสำคัญผ่านช่องโหว่ประเภท Prompt Injection ซึ่งเป็นปัญหาท้าทายหลักของนักพัฒนา AI ทั่วโลกในขณะนี้
ในด้านการจัดการข้อมูลรับรอง (Credentials) ทางระบบได้ใช้กระบวนการจำลอง (Surrogation) ซึ่งหมายความว่าตัว AI Agent จะมองเห็นเพียงแค่โทเค็นจำลองเท่านั้น และระบบ Sentinel จะเป็นผู้ฉีดข้อมูลลับจริงเข้าไปที่บริเวณขอบเขตเครือข่าย ทำให้การขโมยข้อมูลรับรองผ่านการโจมตีแบบ prompt injection ไม่สามารถทำได้จริงเนื่องจากไม่มีข้อมูลจริงให้ขโมย นอกจากนี้ ระบบติดตามการปนเปื้อนข้อมูลด้วย eBPF ระดับเคอร์เนลยังช่วยแยกระหว่างคำขอที่สะอาดและคำขอที่เคยสัมผัสกับข้อมูลผู้ใช้ เพื่อใช้เป็นเกณฑ์ในการอนุมัติต่อไป ส่วนซับเอเจนต์สำหรับเบราว์เซอร์จะมองเห็นเฉพาะโครงสร้างการเข้าถึง (accessibility tree) เท่านั้น ไม่ใช่ DOM ดั้งเดิม และไม่สามารถรัน JavaScript ได้ ขณะที่ตัวเชื่อมต่ออีเมลยังทำการกรองรหัสผ่านแบบใช้ครั้งเดียว (OTP) และลิงก์รีเซ็ตพาสเทิร์ดออกโดยอัตโนมัติ
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น