Исследование показало, что использование ИИ для поиска уязвимостей в программном обеспечении не упрощает процесс их эксплуатации. Несмотря на способность нейросетей находить баги, создание работающего эксплойта по-прежнему требует значительных усилий квалифицированных специалистов. Автоматизация на текущем этапе не дает решающего преимущества злоумышленникам, опровергая опасения о резком росте киберугроз из-за генеративных моделей.
Анализ экспертов в области кибербезопасности подтверждает, что ИИ-инструменты успешно справляются с идентификацией потенциальных точек отказа, однако они часто выдают ложноположительные результаты или ошибки, не пригодные для реальных атак. Процесс превращения найденной уязвимости в полноценный эксплойт остается сложной инженерной задачей, требующей глубокого понимания архитектуры системы, контекста кода и специфических условий среды исполнения.
Разрыв между обнаружением уязвимости и её эксплуатацией сохраняется из-за необходимости обхода современных механизмов защиты, таких как ASLR или DEP. ИИ пока не демонстрирует способности к автономному созданию цепочек эксплойтов, которые могли бы эффективно преодолевать многоуровневые системы безопасности без участия человека. Текущие результаты указывают на то, что ИИ скорее является вспомогательным инструментом для исследователей безопасности, чем полноценной заменой для атакующих.
Ключевые факты
- ИИ-инструменты эффективно находят уязвимости, но часто генерируют неработоспособный код для их эксплуатации.
- Процесс создания эксплойта требует глубокой ручной доработки, которую нейросети пока не способны автоматизировать полностью.
- Исследователи отмечают, что сложность защиты систем растет быстрее, чем возможности ИИ по автоматизированному взлому.
- Автоматизация поиска багов не привела к статистически значимому росту успешных кибератак в реальных условиях.