AI ускорил обнаружение уязвимостей — валидация должна меняться вместе с ним

Вокруг темы искусственного интеллекта и кибербезопасности сегодня много шума. Однако действительно важная тенденция куда проще, хотя и часто теряется за общим гулом: обнаружение уязвимостей ускоряется и происходит в гораздо большем масштабе, тогда как защитникам всё ещё приходится разбираться, какие находки заслуживают их внимания. Цифры это подтверждают. Только за первую половину 2026 года было опубликовано 35 853 CVE — примерно на 49% больше, чем за аналогичный период годом ранее. Такой рост отражает не только возросшую активность исследователей, но и то, что инструменты на базе AI позволяют находить уязвимости быстрее и в промышленных объёмах. Проблема в том, что способность обнаруживать уязвимости растёт значительно быстрее, чем способность их проверять и приоритизировать.

Подробности

Ключевая мысль материала The Hacker News заключается в том, что изменилась сама природа проблемы экспозиции. Раньше узким местом было обнаружение: найти уязвимость в продукте или инфраструктуре было сложно и дорого. Теперь AI-инструменты делают это массово, и дефицит сместился в сторону валидации — процесса, в ходе которого организация определяет, какая из находок реально эксплуатируема в её контексте и требует срочных действий. Это создаёт двойную нагрузку на команды безопасности. С одной стороны, растёт объём входящих данных об уязвимостях: CVE, отчёты об ошибках, результаты сканирования. С другой — сохраняется риск пропустить действительно критичную проблему среди множества ложных или неприменимых срабатываний. Именно поэтому авторы статьи настаивают: подходы к валидации должны эволюционировать вместе с инструментами обнаружения, а не отставать от них. Важно понимать, что рост числа CVE сам по себе не означает, что все они одинаково опасны для конкретной организации. Большинство из них может быть неприменимо к используемому стеку, не эксплуатируемо в текущей конфигурации или уже закрыто компенсирующими мерами. Задача валидации как раз в том, чтобы отделить реальные риски от шума и направить ограниченные ресурсы туда, где они принесут максимальную пользу.

Что делать

- Пересмотреть процессы приоритизации уязвимостей с учётом возросшего объёма данных. Ручной разбор всех находок перестаёт масштабироваться. - Сфокусироваться на валидации эксплуатируемости в контексте собственной инфраструктуры, а не только на формальных оценках критичности по CVSS. - Внедрять автоматизацию и инструменты, помогающие отсеивать ложные или неприменимые срабатывания до того, как они попадут к аналитикам. - Учитывать, что AI-инструменты поиска уязвимостей доступны не только защитникам, но и атакующим, — значит, окно между публикацией CVE и попытками эксплуатации может сокращаться. - Регулярно пересматривать компенсирующие меры: то, что было неприменимо ранее, может стать актуальным по мере изменения конфигураций. Итог: обнаружение уязвимостей с помощью AI растёт быстрее, чем способность организаций их осмысленно обрабатывать. Ключ к управлению этим разрывом — не отказ от новых инструментов, а перестройка процессов валидации под новую реальность.

Источник: The Hacker News