AI pomaga znajdować luki w oprogramowaniu. Co naprawdę mówią dane Google?

Google Threat Intelligence Group (GTIG), zespół Google zajmujący się analizą zagrożeń, odnotował ponad dwukrotny wzrost liczby comiesięcznych ujawnień podatności w oprogramowaniu między styczniem a sierpniem 2026 r. W tym samym czasie wolniej rosła średnia liczba podatności, których wykorzystanie zaobserwowano w atakach. Wśród luk uznanych za prawdopodobnie wykryte z pomocą AI częściej niż w pozostałych pojawiały się takie, które umożliwiały zdalne wykonanie kodu. Dane nie pozwalają jednak określić, jaka część ogólnego wzrostu była skutkiem działania AI. 317

Więcej ujawnionych luk, ale nie proporcjonalnie więcej ataków

Liczba podatności ujawnianych w ciągu miesiąca wzrosła z 5 045 w styczniu 2026 r. do 10 740 w sierpniu. W pierwszych ośmiu miesiącach roku GTIG odnotował też 141 różnych podatności wykorzystywanych przez napastników — wobec 127 w całym 2025 r. Średnia miesięczna wzrosła z 10,5 podatności w 2025 r. do 18 od stycznia do sierpnia 2026 r. 3

To różne miary. Liczba ujawnień mówi o podatnościach podanych do publicznej wiadomości, a liczba luk wykorzystywanych przez napastników — o odrębnych podatnościach, których użycie zaobserwowano. Żadna z tych wartości nie jest liczbą ataków ani poszkodowanych. Więcej opublikowanych informacji o lukach nie oznacza więc, że napastnicy wykorzystują podobny odsetek wszystkich nowo ujawnionych problemów. 3

Dane wskazują na wzrost zarówno liczby wykrywanych i ujawnianych podatności, jak i liczby tych obserwowanych w użyciu. Nie pokazują jednak, że AI samodzielnie spowodowała którykolwiek z tych trendów. GTIG opisuje rosnący wpływ AI na wyszukiwanie podatności i profil części znalezisk, ale nie wylicza jej udziału w całym wzroście. 329

Podatności wykryte z pomocą AI częściej umożliwiały RCE

GTIG oszacował, że około połowa podatności uznanych przez zespół za prawdopodobnie wykryte z pomocą AI umożliwiała zdalne wykonanie kodu (RCE). W pozostałej grupie dotyczyło to około 26% luk. RCE może pozwolić napastnikowi uruchomić kod na podatnym systemie, co sprawia, że tego rodzaju problem może mieć poważne konsekwencje. Określenie „prawdopodobnie wykryte z pomocą AI” jest jednak przypisaniem, a nie dowodem, że AI samodzielnie odkryła każdą lukę z tej grupy. 1723

Obraz poziomu ryzyka wymaga dopowiedzenia. Według relacji z analizy GTIG 58% podatności uznanych za prawdopodobnie wykryte z pomocą AI otrzymało ocenę średniego ryzyka, w porównaniu z 28% pozostałych ujawnień. Wysokie ryzyko miało około 4% podatności w grupie AI — podobny odsetek jak wśród pozostałych. Osobno GTIG odnotował wzrost liczby ujawnień ocenionych jako wysokiego ryzyka według własnej skali: ze 131 w styczniu do 350 w sierpniu. Ten ostatni wzrost dotyczył wszystkich ujawnień, a nie tylko tych przypisanych AI. 232829

Zagrożeniem są zarówno zero-daye, jak i znane luki

Podatność typu zero-day jest wykorzystywana, zanim pojawi się poprawka. N-day to luka już publicznie znana — często z dostępną łatą — która nadal może być wykorzystywana na nieaktualizowanych systemach.

GTIG podał, że średnia liczba wykorzystywanych podatności zero-day wzrosła z około ośmiu miesięcznie w 2025 r. do około 11 miesięcznie od stycznia do sierpnia 2026 r. To mniejszy wzrost niż w przypadku wszystkich podatności obserwowanych w użyciu. Podkreśla to znaczenie luk znanych już publicznie: napastnicy mogą sięgać po nie po ujawnieniu, zwłaszcza jeśli organizacje zwlekają z aktualizacją. Dane nie pokazują, jaka część wykorzystywania n-dayów była możliwa dzięki AI. 329

GTIG opisał również przypadek przestępcy dysponującego exploitem zero-day, który — w ocenie zespołu — powstał z pomocą AI. Napastnik planował kampanię masowego wykorzystania luki, ale według GTIG wcześniejsze wykrycie zagrożenia mogło zapobiec realizacji tego planu. To przykład konkretnego zastosowania AI, a nie dowód, że odpowiada ona za ogólny wzrost liczby podatności wykorzystywanych w atakach. 7

Oprogramowanie związane z AI też może być celem

Według GTIG celem ataków stał się również ekosystem oprogramowania używanego do tworzenia i wdrażania dużych modeli językowych. Organizacje powinny więc uwzględniać komponenty i usługi AI w ocenie powierzchni ataku swoich środowisk produkcyjnych. Każdą konkretną podatność należy przy tym oceniać pod kątem ekspozycji systemu i dowodów na jej wykorzystywanie. 1

Co mogą zrobić zespoły bezpieczeństwa i dostawcy?

Zespoły bezpieczeństwa: ustalajcie priorytety na podstawie tego, czy podatny system jest dostępny z zewnątrz, jakie skutki może mieć wykorzystanie luki i czy istnieją dowody na jej użycie — nie na podstawie samej liczby ujawnień. Prowadźcie inwentaryzację systemów dostępnych z internetu i używanego oprogramowania AI, szybko instalujcie poprawki oraz przygotujcie monitoring i środki ograniczające ryzyko w przypadku zero-dayów, dla których nie ma jeszcze łaty. Przy znanych podatnościach skracajcie czas od ujawnienia do naprawy. 389

Dostawcy oprogramowania: wykorzystujcie narzędzia AI do testowania, ale łączcie je z ludzką weryfikacją, aby wykrywać i potwierdzać luki przed wydaniem produktu. Traktujcie komponenty AI jak oprogramowanie produkcyjne, a klientom udostępniajcie poprawki i praktyczne komunikaty bezpieczeństwa na czas. Wnioski GTIG wskazują, że liczy się zarówno skala wykrywania podatności, jak i możliwe konsekwencje konkretnych luk. 48