Microsoft столкнулась с трудностями при интеграции ИИ-инструментов в процессы обеспечения кибербезопасности. Исследователи обнаружили, что автоматизированные системы поиска уязвимостей генерируют огромный поток отчетов, с которыми не справляются штатные специалисты. Это приводит к задержкам в исправлении критических дыр в программном обеспечении, создавая риски для пользователей продуктов компании и инфраструктурных решений по всему миру.
Ситуация обнажила разрыв между скоростью генерации ИИ-отчетов и пропускной способностью команд безопасности. Вместо ускорения процесса разработки, внедрение ИИ привело к перегрузке бэклога, где тысячи потенциальных угроз ожидают ручной проверки. Эксперты отмечают, что текущие методы приоритизации не адаптированы к масштабам, которые обеспечивают современные модели, что делает автоматизацию «палкой о двух концах».
Проблема усугубляется тем, что многие найденные ИИ уязвимости требуют глубокого контекстуального анализа, который пока недоступен для полностью автоматизированных систем. В результате инженеры тратят значительное время на фильтрацию ложноположительных срабатываний, вместо того чтобы фокусироваться на устранении реальных векторов атак. Это ставит под вопрос эффективность текущих стратегий внедрения ИИ в жизненный цикл разработки ПО (SDLC).
Ключевые факты
- ИИ-системы генерируют тысячи отчетов об уязвимостях, превышая возможности команд безопасности по их обработке.
- Значительная часть времени инженеров уходит на ручную проверку ложноположительных результатов, найденных моделями.
- Задержки в исправлении критических багов создают реальные риски для безопасности корпоративных и пользовательских систем.
- Текущие процессы приоритизации угроз не справляются с объемом данных, поступающих от автоматизированных инструментов поиска.
- Проблема подчеркивает необходимость разработки более совершенных систем фильтрации и контекстуального анализа для ИИ-агентов в сфере кибербезопасности.