Claude mythos: analysis of the capabilities of autonomous AI agents in detecting critical 0-day vulnerabilities

Abstract

This paper explores the efficiency of autonomous AI agents (using Claude Mythos as a case study) in cybersecurity. It compares AI-driven analysis with traditional fuzzing for zero-day vulnerability detection. The technical superiority of autonomous search is demonstrated through real-world cases involving legacy bugs in OpenBSD and FFmpeg. Key ethical and security risks of deploying AI in offensive security are also outlined.

У роботі досліджено ефективність автономних AI-агентів (на прикладі Claude Mythos) у кібербезпеці. Порівняно підходи AI-аналізу з класичним фаззингом у виявленні 0-day вразливостей. На реальних кейсах (багаторічні критичні баги в OpenBSD та FFmpeg) доведено перевагу автономного пошуку коду. Також окреслено ключові етичні та безпекові ризики використання AI-систем в offensive security.