CJS:
jailbreak severity
draft 2026

2 июля 2026 Anthropic и Project Glasswing опубликовали draft Cyber Jailbreak Severity (CJS) — framework для оценки jailbreak-техник на cyber-capable frontier models. Это прямое продолжение Fable 5 export ban: industry переходит от ad hoc bans к scored disclosure — capability, breadth, weaponisation, discoverability.

Зачем CJS после Fable ban

Июнь 2026: Amazon security report описал jailbreak loop на Fable 5 → emergency export control → 19-day ban. Katie Moussouris и defensive security community: technique была «обычным defensive loop», не novel bypass. Anthropic ответила:

• Classifier на inference (блок >99% offensive cases).
• Voluntary security standard с Amazon, Microsoft, Google.
• HackerOne bounty на cyber jailbreaks.
• CJS draft — единая шкала severity для всех frontier labs.

Контекст lift ban: Fable 5 и Mythos 5 export controls сняты.

Четыре оси severity (draft)

CJS комбинирует измерения в composite score — exact weights в draft, логика такая:

Ось	Вопрос
Capability	Насколько technique раскрывает offensive cyber skill модели?
Breadth	Работает на одной модели или transferable across frontier stack?
Weaponisation	Насколько быстро technique → реальный harm (hours vs months)?
Discoverability	Насколько легко воспроизвести без insider knowledge?

High composite → accelerated government notification, возможный pre-release hold, public disclosure timeline сжимается.

CJS vs classifier vs export control

• Classifier — real-time gate на prompts (ops).
• CJS — post-discovery scoring для disclosure и policy (governance).
• Export control — binding instrument Commerce (enforcement).
• White House voluntary framework — pre-release window для covered models — 1 августа deadline.

Enterprise contract implication: vendors будут ссылаться на CJS tier в SLA и incident notification clauses — готовьте legal + security review.

Five Eyes и industry timeline

1 июля Five Eyes joint statement: frontier AI «fundamentally transform» offensive/defensive cyber — timeline months, не years. CJS + HackerOne bounty + voluntary standard — industry self-regulation до codified US rules 1.08.

Для РФ enterprise: cyber-capable models (Fable, будущий Mythos GA, GPT cyber tiers) — закупать через шлюз с audit log и model routing policy, не developer cards на личные аккаунты.

Практика для SOC / GRC

1. Зафиксировать internal severity rubric aligned с CJS — ускорит vendor triage.
2. Red-team reports: capability + breadth + weaponisation + discoverability — явно в каждом finding.
3. Monitor Anthropic/Google/OpenAI security advisories — формат будет CJS-normalized.
4. Budget: Fable cliff 7.07 — billing transition.
5. Multi-vendor hedge: зависимость от одного vendor · Gateway.