Пентест с машинным усилением. Как ИИ находит уязвимости быстрее команд ИБ
Поводов сразу несколько. Исследователи Calif.io сообщили, что Claude Mythos Preview помог найти уязвимость CVE-2026-47729 в прокси-сервере Squid. По сообщениям СМИ, Mythos во время закрытого тестирования выявил уязвимости в чувствительных системах правительства США. Китайская 360 Security Technology почти одновременно представила собственные инструменты для автоматического поиска уязвимостей и реагирования на инциденты. Вместе эти новости показывают, что поиск уязвимостей с помощью ИИ становится отдельным направлением технологической конкуренции.
Как модель работает с реальным кодом
Calif.io описала Squidbleed как ошибку, которая может приводить к чтению данных из памяти за пределами выделенной области. По данным исследователей, при определенных условиях через прокси могли утекать фрагменты HTTP-запросов других пользователей, включая учетные данные, токены сессий и API-ключи. Уязвимость связана с обработкой FTP в Squid и присутствовала в коде с 1997 года.
Важно, что ИИ-инструмент применили к реальному инфраструктурному продукту, который используется в корпоративных, образовательных и провайдерских сетях. Это примере работы с кодом, который десятилетиями оставался частью сетевой инфраструктуры.
Практический риск Squidbleed зависит от конфигурации. Для атаки нужны дополнительные условия, включая доступ к прокси и возможность взаимодействия с FTP-сервером, контролируемым атакующим. HTTPS-трафик через CONNECT для Squid остается непрозрачным, поэтому основной риск связан с открытым HTTP-трафиком и сценариями, где прокси сам видит содержимое запросов.
История показательна для сегодняшнего рынка ИБ. Поиск уязвимостей все чаще будет происходить не только силами отдельных исследователей и пентестеров. В этот процесс входят модели, которые быстро просматривают код, замечают нестандартные участки и помогают формулировать гипотезы для проверки.
Anthropic Mythos во время тестирования с участием американских разведывательных структур выявил уязвимости в чувствительных государственных компьютерных системах. По словам источника AP, модель нашла часть уязвимостей за несколько часов, но это не означает, что она смогла за это же время их эксплуатировать. Тестирование проходило в рамках Project Glasswing, ограниченной программы для поиска и исправления уязвимостей в критически важном ПО до того, как ими смогут воспользоваться атакующие.
Сенатор Марк Уорнер на слушаниях 11 июня ссылался на главу NSA и Киберкомандования США Джошуа Радда и говорил, что инструмент «проник почти во все наши засекреченные системы не за недели, а за часы». При этом NSA и Anthropic отказались комментировать эту историю.
Здесь важна разница между этапами. Найти слабое место, подтвердить его, оценить влияние, подготовить исправление и безопасно установить патч, это разные задачи. И чем быстрее автоматизированные инструменты находят уязвимости, тем больше нагрузка на проверку, раскрытие и исправление.
Третий повод пришел из Китая. По сообщению Reuters, китайская 360 Security Technology представила два ИИ-инструмента. Tulongfeng предназначен для поиска программных уязвимостей. Yitianzhen должен автоматизировать киберзащиту и реагирование на инциденты.
360 позиционирует Tulongfeng как китайскую версию Mythos. Компания заявляет, что инструмент уже нашел более 3400 программных уязвимостей, из которых 105 подтверждены китайскими властями. Отдельно Reuters отмечает, что не смог независимо проверить эти данные.
Так поиск уязвимостей становится частью конкуренции между странами и крупными центрами киберразработки. Если одна сторона получает инструменты, которые быстрее проверяют код и инфраструктуру, остальные воспринимают собственное отставание как риск для критической инфраструктуры, финансового сектора, обороны и крупных цифровых платформ.
Повестка на Российском рынке
По данным «Ведомостей» со ссылкой на подсчеты специалистов «Лаборатории Касперского», с января по май 2026 года в БДУ ФСТЭК было зарегистрировано 3747 уязвимостей, из них 475 критических. А за весь 2025 год всего было выявлено 1038 критических уязвимостей. Технический директор «Лаборатории Касперского» Антон Иванов прогнозировал, что показатели 2026 года превысят данные 2025-го. Мошенники все чаще используют LLM-модели для анализа кода. На практике это означает, что ИИ попадает не только в арсенал защитников. Он помогает быстрее разбирать чужой код, искать слабые места, готовить эксплойты и адаптировать атаки под конкретную цель.
Positive Technologies в прогнозе «ИИ в 2026. Угроза снаружи и внутри» также указывает, что ИИ ускоряет поиск уязвимостей и сокращает время между раскрытием недостатка безопасности и появлением эксплойта. Там же говорится о риске небезопасного кода, который появляется при массовом использовании ИИ-инструментов разработки.
Отдельный российский срез связан с веб-приложениями, API, контейнеризацией и инфраструктурой разработки. В исследовании Positive Technologies о киберугрозах веб-приложений и инфраструктуры разработки на 2026–2027 годы рассматриваются угрозы для API, Docker, Kubernetes, CI/CD, open source и приложений, использующих LLM и ИИ-агентов. Это уже повседневная корпоративная практика. Уязвимости возникают не только в операционных системах и сетевом оборудовании, но и в цепочках разработки, интеграциях, контейнерах, API и сервисах, которые быстро меняются.
Solar 4RAYS в прогнозе на 2026 год предупреждает, что атакующие активнее ищут уязвимости в российских B2B-продуктах. Среди зон внимания названы почтовые серверы, CMS, системы видеоконференцсвязи и мессенджеры.
Российская специфика здесь понятна. Инфраструктура компаний стала более смешанной. В ней остаются зарубежные продукты, появляется больше отечественного ПО, шире используется open source, растет доля Linux, часть интеграций делается в ускоренном режиме. Такая среда дает больше точек для поиска уязвимостей и усложняет приоритизацию исправлений.
Управление уязвимостями уже не только отчетная процедура
На фоне таких новостей меняется роль Vulnerability Management. Компании сталкиваются не с нехваткой информации об уязвимостях, а с избытком сигналов. Новые CVE, БДУ ФСТЭК, бюллетени НКЦКИ, данные сканеров, отчеты пентестеров, bug bounty, threat intelligence и ИИ-инструменты создают поток находок, который нужно быстро разбирать.
«Лаборатория Касперского» сообщала о планах выйти в 2026 году на рынок решений по управлению уязвимостями. Новый продукт должен использовать ИИ и мультиагентную GenAI-функциональность Сбера для автоматизации проверки защищенности инфраструктуры.
BI.ZONE в 2025 году обновила модуль Vulnerability Management в BI.ZONE GRC. Компания заявляла об интеграции более чем с 20 сканерами уязвимостей, возможности загружать данные из бюллетеней регуляторов и внутренних отчетов, обработке баз более чем с 3 млн уязвимостей и автоматической приоритизации с учетом критичности актива, наличия эксплойтов и актуальности угроз.
Растет и роль внешних исследователей. 23 июня 2026 года Точка Банк объявил о запуске публичной программы поиска уязвимостей на Standoff Bug Bounty. Максимальная выплата заявлена до 450 тыс. рублей.
Главная нагрузка смещается на проверку и исправление
Если уязвимости начинают находить быстрее, самым слабым местом становится не сам поиск. Компании придется быстрее отвечать на несколько практических вопросов. Затрагивает ли уязвимость конкретную инфраструктуру. Есть ли уязвимый компонент в эксплуатации. Видна ли система из интернета. Есть ли публичный эксплойт. Какой бизнес-процесс зависит от этого актива. Кто владелец системы. Можно ли установить исправление без остановки сервиса.
Оценка по CVSS сама по себе уже недостаточна. Нужен контекст конкретной инфраструктуры. Уязвимость среднего уровня может быть критичной для открытого сервиса с доступом к персональным данным. Критическая уязвимость может не относиться к компании, если уязвимый компонент не используется или отключен.
Второй узел проблемы связан с разработкой. Если сотрудники используют ИИ для ускорения программирования, компании придется внимательнее контролировать качество кода, зависимости, секреты, библиотеки, настройки сборки и безопасность CI/CD. ИИ помогает писать быстрее, но скорость разработки без контроля безопасности увеличивает объем кода, который потом придется проверять.
Третий узел связан с эксплуатацией. Найденную уязвимость нельзя закрыть отчетом. Нужно поставить задачу владельцу системы, проверить совместимость обновления, согласовать окно работ, установить патч или временную меру защиты, а затем убедиться, что исправление действительно применено.
Сканировать проще, закрывать сложнее
Сегодня речь не идет о том, сколько уязвимостей найдет очередной инструмент. Понятно, что находок будет больше, и разбирать их придется быстрее. Значит, простого списка CVE и оценки по CVSS недостаточно.
Приоритет должен зависеть от контекста. Используется ли уязвимость в атаках. Есть ли публичный эксплойт. Доступен ли сервис извне. Какие данные и процессы с ним связаны. Есть ли владелец системы, который может быстро принять исправление.
В мировой практике для этого уже используют дополнительные ориентиры. Каталог CISA Known Exploited Vulnerabilities показывает уязвимости с подтвержденной эксплуатацией. Модель FIRST EPSS оценивает вероятность эксплуатации CVE в ближайшие 30 дней. NVD отдельно указывает, что CVSS описывает тяжесть уязвимости, но не заменяет оценку риска для конкретной организации.
Поэтому управление уязвимостями становится рабочим процессом между ИБ, ИТ, разработкой и владельцами систем. Найти проблему мало, нужно подтвердить, что она относится к конкретной инфраструктуре, выбрать меру защиты, довести задачу до владельца и проверить, что исправление действительно применено.
Опубликовано 24.06.2026
