Aikido Altar: tietoturvaa ilman että koodi lähtee talosta

Belgialainen tietoturvayhtiö Aikido kertoi 21. syyskuuta julkaisseensa Altar-nimisen tekoälymallin, jonka voi ajaa kokonaan organisaation omilla laitteilla. Kyse on yhtiön ensimmäisestä omasta avoimesta mallista: sen painot ovat julkisesti ladattavissa, joten kuka tahansa voi ottaa mallin käyttöön omassa ympäristössään. Malli on tarkoitettu nimenomaan tietoturvatyöhön — ohjelmakoodin läpikäyntiin, haavoittuvuuksien etsimiseen ja korjausehdotusten tekemiseen.

Aikido perustelee ratkaisua sillä, että suljetut tekoälypalvelut sijaitsevat aina jonkun toisen palvelimilla. Silloin yrityksen lähdekoodi ja sen ratkaisemattomat tietoturvalöydökset poistuvat omasta verkosta. Yhtiön mukaan tämä ei ole kaikille sallittu vaihtokauppa: pankki voi olla sidottu vaatimukseen tietojen säilyttämisestä tietyllä alueella, sairaala tietojen käsittelyä koskeviin sääntöihin ja teollisuuslaitos siihen, ettei sen tuotantoympäristössä ole lainkaan yhteyttä internetiin.

Mitä Aikido julkaisi?

Altar on kielimalli, eli tekoäly, joka on opetettu valtavalla määrällä tekstiä ja osaa sen perusteella tuottaa ja arvioida sisältöä. Tässä tapauksessa sisältönä on ohjelmakoodi: malli lukee sitä kuin kokenut tarkastaja ja etsii kohtia, joissa ohjelma voisi käyttäytyä vaarallisesti.

Malli liittyy Aikidon aiempaan tuotteeseen, Aikido Machine -laitteeseen. Se on asiakkaan omaan konesaliin sijoitettava laite, joka testaa ohjelmistoja automaattisesti hyökkääjän tavoin. Laite toimii kokonaan asiakkaan omassa ympäristössä, myös sellaisessa, josta ei ole lainkaan verkkoyhteyttä ulkomaailmaan. Altar on tämän laitteen tekoälyosa.

Mallin painot ovat ladattavissa Hugging Facesta nimellä aikido/altar-1. Yhtiön mukaan malli pyörii neljällä Nvidian H200-näytönohjaimella ja pystyy käsittelemään kerrallaan jopa 131 072 tokenia eli tekstinpätkää. Se riittää suurenkin ohjelmakokonaisuuden läpikäyntiin yhdellä kertaa.

Miksi malli halutaan omaan koneeseen?

Taustalla on sama kehitys, jota Aikido kutsuu täysivaltaiseksi tietoturvatiedusteluksi: työkalun pitäisi toimia sen ympäristön sisällä, jota se suojaa. Jos koodi lähetetään analysoitavaksi ulkopuoliseen pilvipalveluun, luottamuksellinen aineisto poistuu yrityksen hallusta riippumatta siitä, kuinka hyvä palvelu on.

Uutistoimisto Reutersin mukaan kiinnostus paikallisesti ajettaviin puolustustyökaluihin on kasvanut, koska rikolliset käyttävät tekoälyä yhä enemmän ohjelmistojen haavoittuvuuksien etsimiseen. Reutersin mukaan Altar otetaan käyttöön myös Aikidon asiakkailla, esimerkiksi belgialaisessa Belfius-pankissa. Aikido saavutti miljardin dollarin arvon tammikuussa 2026, ja yhtiön pääkonttori on Gentissä Belgiassa.

Miten 1,5 teratavun mallista tuli 328 gigatavua?

Altar ei ole opetettu tyhjästä. Sen pohjana on kiinalaisen Z.AI:n kehityksen kärjen malli GLM-5.3, jota Aikido kuvaa yhdeksi omien tietoturvatestiensä parhaista. Ongelmana on koko: täyden tarkkuuden GLM-5.3 vie 1 506,7 gigatavua tallennustilaa. Sellaisen ajaminen vaatii moninkertaisen määrän muistia, ja muisti on datakeskuksen kalleimpia resursseja.

Syynä kokoon on mallin rakenne. GLM-5.3 on niin sanottu asiantuntijaverkosto: se koostuu 256 pienemmästä osaverkosta eli asiantuntijasta, joista jokainen tekstinpätkä käyttää kahdeksaa. Kaikki 256 on silti pidettävä muistissa, vaikka työ kutsuisi vain pientä osaa niistä. Tietoturvatyö kuormittaa juuri tällaista kapeaa osaa mallista.

Aikido kutisti mallia kahdessa vaiheessa. Ensin kvantisointi eli lukujen tallentaminen nykyistä harvemmalla bittimäärällä pudotti koon 488,2 gigatavuun. Sitten harvennus poisti jokaisesta kerroksesta 88 asiantuntijaa eli 34,4 prosenttia niistä, jäljelle jäi 168. Lopputulos on 328 gigatavua: 78,2 prosenttia vähemmän kuin täyden tarkkuuden malli ja 32,8 prosenttia vähemmän kuin pelkkä kvantisoitu versio.

Ratkaisevaa oli valita, mitkä asiantuntijat poistetaan. Aikido käytti siihen Cerebrasin REAP-menetelmää ja kalibroi valinnan omilla tunkeutumistestauksen ajojäljillään sekä monikielisellä aineistolla. Yhtiön mukaan asiakkaiden aineistoa ei käytetty kalibrointiin lainkaan. Mallia ei myöskään opetettu uudelleen, vaan se kutistettiin valmiista versiosta.

Miten hyvin malli löytää haavoittuvuuksia?

Aikido mittasi Altaria omalla vertailutestillään, jossa on 32 tunnettua haavoittuvuutta 30 eri ohjelmavarastosta ja kolme ajoa jokaista tapausta kohden. Altar löysi keskimäärin 60,4 prosenttia tapauksista yhtä ajoa kohden ja onnistui kolmen ajon aikana löytämään 23 haavoittuvuutta 32:sta.

Vertailu kertoo, mitä kutistaminen maksoi. Kvantisoitu GLM-5.3 ylsi 61,5 prosentin keskiarvoon ja samaan 23 haavoittuvuuteen. Täyden tarkkuuden GLM-5.3 puolestaan ylsi 65,6 prosenttiin ja löysi 25 haavoittuvuutta 32:sta. Altar siis säilytti 92 prosenttia alkuperäismallin löytämistä haavoittuvuuksista, kun tallennustilaa tarvittiin kolmannes vähemmän.

Luvut ovat Aikidon omia, eikä niitä ole vielä vahvistettu riippumattomasti. Yhtiö myös rajaa itse, mitä testi mittaa: se kertoo tunnettujen haavoittuvuuksien uudelleenlöytämisestä yhdessä työketjussa, ei sokkona tehdystä koko koodikannan läpikäynnistä eikä löydösten hyödyntämisestä tai korjausehdotusten laadusta. Aikidon mukaan Altar löysi käyttöönoton jälkeen vakavan haavoittuvuuden asiakkaan tuotantoympäristössä tehdyssä testauksessa.

Mitä seuraavaksi?

Aikido jatkaa pienentämisen ja hienosäädön parissa. Yhtiö kertoo tutkivansa vielä harvempia tallennusmuotoja, jotka säilyttäisivät enemmän asiantuntijoita, sekä tekoälyagenttien pitkien työketjujen parantamista tietoturvatehtävissä. Samalla yhtiö rakentaa sisäiseen testaukseen nojaavaa oppivaa putkea, jolla mallia on määrä kehittää eteenpäin.

Suomalaiselle lukijalle Altar on esimerkki laajemmasta suunnasta: sama tekoäly, joka on tähän asti ostettu palveluna verkosta, tuodaan yhä useammin yrityksen omaan konesaliin. Ratkaisu ei ole ilmainen — neljä H200-näytönohjainta on merkittävä hankinta — mutta se poistaa yhden huolen: sen, että arkaluonteinen koodi kulkisi talon ulkopuolelle.

Lähteet

Aikido: Introducing Aikido Altar: the model that makes sovereign security intelligence possible, 21.9.2026. https://www.aikido.dev/blog/aikido-altar-open-weight-ai-sovereign-security

Reuters (The Star): Belgium’s Aikido launches cybersecurity AI model as demand for local tools grows, 21.9.2026. https://www.thestar.com.my/tech/tech-news/2026/09/21/belgium039s-aikido-launches-cybersecurity-ai-model-as-demand-for-local-tools-grows

Hugging Face: AikidoSec/altar-1 — a 504B parameter Prune of GLM-5.3, 21.9.2026. https://huggingface.co/AikidoSec/altar-1

Aikido: AI model benchmarks: August 2026, 21.8.2026. https://www.aikido.dev/blog/ai-model-benchmarks-aug-21-2026

Wikipedia: Aikido Security, 16.9.2026. https://en.wikipedia.org/wiki/Aikido_Security

daily.dev: Top On-Prem AI Pentesting Tools 2026, 18.9.2026. https://daily.dev/posts/top-on-prem-ai-pentesting-tools-2026-usltffhh7