AI đã tìm lỗ hổng ở quy mô công nghiệp: Nút thắt mới là khâu xác minh
AVDH của Mandiant phát hiện hơn 100 lỗ hổng nghiêm trọng đã được xác minh trong hai ngày, nhờ một quy trình nhiều tác tử AI kết hợp với mô hình hóa mối đe dọa và kiểm chứng bởi chuyên gia con người. NOVA của Palo Alto Networks báo cáo 14.090 lỗ hổng trên 3.915 dự án mã nguồn mở trong hai tháng, nhưng con số này khôn...
Đăng bởiBiên tập bằng GPT-5.6 LunaHình ảnh được tạo bằng GPT Image 1.5
AVDH của Mandiant phát hiện hơn 100 lỗ hổng nghiêm trọng đã được xác minh trong hai ngày, nhờ một quy trình nhiều tác tử AI kết hợp với mô hình hóa mối đe dọa và kiểm chứng bởi chuyên gia con người.
NOVA của Palo Alto Networks báo cáo 14.090 lỗ hổng trên 3.915 dự án mã nguồn mở trong hai tháng, nhưng con số này không thể so sánh trực tiếp với kết quả điều tra chuyên sâu của AVDH.
AI đang tăng tốc cả phát hiện lỗ hổng lẫn phát triển mã khai thác, khiến các tổ chức phải rút ngắn thời gian phân loại, công bố có phối hợp, áp dụng biện pháp giảm phơi nhiễm và sửa mã nguồn.
How did Mandiant’s Agentic Vulnerability Discovery Harness (AVDH), built on Google’s Agent Development Kit and operating through specializedAI-assisted vulnerability discovery is shifting cybersecurity from a search problem toward a validation and remediation race.
Prompt AI
Create a landscape editorial hero image for this Studio Global article: How did Mandiant’s Agentic Vulnerability Discovery Harness (AVDH), built on Google’s Agent Development Kit and operating through specialized. Article summary: Mandiant’s AVDH shows that the immediate breakthrough is not a model that “reads all code,” but an engineered pipeline that turns vast codebases into a smaller stream of exploit hypotheses, then requires human reproducti. Topic tags: general, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
openai.com
AVDH không phải một công cụ “đọc toàn bộ mã nguồn”
Điểm đáng chú ý nhất từ Agentic Vulnerability Discovery Harness (AVDH) của Mandiant không nằm ở một con số đơn lẻ, mà ở cách AI-assisted security research — nghiên cứu bảo mật có sự hỗ trợ của AI — đang chuyển từ thử nghiệm chatbot thành một quy trình được thiết kế như dây chuyền kỹ thuật.
Trong một cuộc điều tra ứng phó sự cố liên quan đến các kho mã nguồn doanh nghiệp bị đánh cắp, Google cho biết AVDH đã phát hiện hơn 100 lỗ hổng nghiêm trọng, đúng là lỗ hổng thật, chỉ trong hai ngày.
Tuy nhiên, kết quả này không có nghĩa một mô hình duy nhất có thể đơn giản “đọc hết mã nguồn” rồi tự động tìm ra mọi lỗi. Lợi thế của AVDH đến từ việc chia nhỏ bài toán thành nhiều giai đoạn, thu hẹp không gian tìm kiếm và dùng chuyên gia con người làm cổng kiểm soát chất lượng trước khi một nghi vấn được công nhận là phát hiện bảo mật.
Một đường ống nhiều tác tử, không phải một trình đánh giá AI đơn lẻ
Kiến trúc được mô tả cho AVDH mô phỏng quy trình của một cuộc đánh giá an ninh mạng chuyên nghiệp. Các tác tử đầu tiên tìm hiểu mục đích của cơ sở mã và cách hệ thống có thể bị tấn công. Những tác tử khác lập bản đồ bề mặt tấn công, xác định điểm vào, lần theo luồng dữ liệu, đưa ra nhiều giả thuyết về lỗ hổng và kiểm tra các đường dẫn khai thác khả dĩ. Sau đó, chuyên gia tư vấn xem xét mô hình mối đe dọa và tự tái hiện khai thác thử nghiệm trước khi phát hiện được xem là đã xác minh.
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Câu trả lời ngắn gọn cho "AI đã tìm lỗ hổng ở quy mô công nghiệp: Nút thắt mới là khâu xác minh" là gì?
AVDH của Mandiant phát hiện hơn 100 lỗ hổng nghiêm trọng đã được xác minh trong hai ngày, nhờ một quy trình nhiều tác tử AI kết hợp với mô hình hóa mối đe dọa và kiểm chứng bởi chuyên gia con người.
Những điểm chính cần xác nhận đầu tiên là gì?
AVDH của Mandiant phát hiện hơn 100 lỗ hổng nghiêm trọng đã được xác minh trong hai ngày, nhờ một quy trình nhiều tác tử AI kết hợp với mô hình hóa mối đe dọa và kiểm chứng bởi chuyên gia con người. NOVA của Palo Alto Networks báo cáo 14.090 lỗ hổng trên 3.915 dự án mã nguồn mở trong hai tháng, nhưng con số này không thể so sánh trực tiếp với kết quả điều tra chuyên sâu của AVDH.
Tôi nên làm gì tiếp theo trong thực tế?
AI đang tăng tốc cả phát hiện lỗ hổng lẫn phát triển mã khai thác, khiến các tổ chức phải rút ngắn thời gian phân loại, công bố có phối hợp, áp dụng biện pháp giảm phơi nhiễm và sửa mã nguồn.
AI đã tìm lỗ hổng ở quy mô công nghiệp: Nút thắt mới là khâu xác minh
AVDH của Mandiant phát hiện hơn 100 lỗ hổng nghiêm trọng đã được xác minh trong hai ngày, nhờ một quy trình nhiều tác tử AI kết hợp với mô hình hóa mối đe dọa và kiểm chứng bởi chuyên gia con người. NOVA của Palo Alto Networks báo cáo 14.090 lỗ hổng trên 3.915 dự án mã nguồn mở trong hai tháng, nhưng con số này khôn...
Đăng bởiBiên tập bằng GPT-5.6 LunaHình ảnh được tạo bằng GPT Image 1.5
AVDH của Mandiant phát hiện hơn 100 lỗ hổng nghiêm trọng đã được xác minh trong hai ngày, nhờ một quy trình nhiều tác tử AI kết hợp với mô hình hóa mối đe dọa và kiểm chứng bởi chuyên gia con người.
NOVA của Palo Alto Networks báo cáo 14.090 lỗ hổng trên 3.915 dự án mã nguồn mở trong hai tháng, nhưng con số này không thể so sánh trực tiếp với kết quả điều tra chuyên sâu của AVDH.
AI đang tăng tốc cả phát hiện lỗ hổng lẫn phát triển mã khai thác, khiến các tổ chức phải rút ngắn thời gian phân loại, công bố có phối hợp, áp dụng biện pháp giảm phơi nhiễm và sửa mã nguồn.
How did Mandiant’s Agentic Vulnerability Discovery Harness (AVDH), built on Google’s Agent Development Kit and operating through specializedAI-assisted vulnerability discovery is shifting cybersecurity from a search problem toward a validation and remediation race.
Prompt AI
Create a landscape editorial hero image for this Studio Global article: How did Mandiant’s Agentic Vulnerability Discovery Harness (AVDH), built on Google’s Agent Development Kit and operating through specialized. Article summary: Mandiant’s AVDH shows that the immediate breakthrough is not a model that “reads all code,” but an engineered pipeline that turns vast codebases into a smaller stream of exploit hypotheses, then requires human reproducti. Topic tags: general, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
openai.com
AVDH không phải một công cụ “đọc toàn bộ mã nguồn”
Điểm đáng chú ý nhất từ Agentic Vulnerability Discovery Harness (AVDH) của Mandiant không nằm ở một con số đơn lẻ, mà ở cách AI-assisted security research — nghiên cứu bảo mật có sự hỗ trợ của AI — đang chuyển từ thử nghiệm chatbot thành một quy trình được thiết kế như dây chuyền kỹ thuật.
Trong một cuộc điều tra ứng phó sự cố liên quan đến các kho mã nguồn doanh nghiệp bị đánh cắp, Google cho biết AVDH đã phát hiện hơn 100 lỗ hổng nghiêm trọng, đúng là lỗ hổng thật, chỉ trong hai ngày.
Tuy nhiên, kết quả này không có nghĩa một mô hình duy nhất có thể đơn giản “đọc hết mã nguồn” rồi tự động tìm ra mọi lỗi. Lợi thế của AVDH đến từ việc chia nhỏ bài toán thành nhiều giai đoạn, thu hẹp không gian tìm kiếm và dùng chuyên gia con người làm cổng kiểm soát chất lượng trước khi một nghi vấn được công nhận là phát hiện bảo mật.
Một đường ống nhiều tác tử, không phải một trình đánh giá AI đơn lẻ
Kiến trúc được mô tả cho AVDH mô phỏng quy trình của một cuộc đánh giá an ninh mạng chuyên nghiệp. Các tác tử đầu tiên tìm hiểu mục đích của cơ sở mã và cách hệ thống có thể bị tấn công. Những tác tử khác lập bản đồ bề mặt tấn công, xác định điểm vào, lần theo luồng dữ liệu, đưa ra nhiều giả thuyết về lỗ hổng và kiểm tra các đường dẫn khai thác khả dĩ. Sau đó, chuyên gia tư vấn xem xét mô hình mối đe dọa và tự tái hiện khai thác thử nghiệm trước khi phát hiện được xem là đã xác minh.
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Câu trả lời ngắn gọn cho "AI đã tìm lỗ hổng ở quy mô công nghiệp: Nút thắt mới là khâu xác minh" là gì?
AVDH của Mandiant phát hiện hơn 100 lỗ hổng nghiêm trọng đã được xác minh trong hai ngày, nhờ một quy trình nhiều tác tử AI kết hợp với mô hình hóa mối đe dọa và kiểm chứng bởi chuyên gia con người.
Những điểm chính cần xác nhận đầu tiên là gì?
AVDH của Mandiant phát hiện hơn 100 lỗ hổng nghiêm trọng đã được xác minh trong hai ngày, nhờ một quy trình nhiều tác tử AI kết hợp với mô hình hóa mối đe dọa và kiểm chứng bởi chuyên gia con người. NOVA của Palo Alto Networks báo cáo 14.090 lỗ hổng trên 3.915 dự án mã nguồn mở trong hai tháng, nhưng con số này không thể so sánh trực tiếp với kết quả điều tra chuyên sâu của AVDH.
Tôi nên làm gì tiếp theo trong thực tế?
AI đang tăng tốc cả phát hiện lỗ hổng lẫn phát triển mã khai thác, khiến các tổ chức phải rút ngắn thời gian phân loại, công bố có phối hợp, áp dụng biện pháp giảm phơi nhiễm và sửa mã nguồn.
Cách phân công này rất quan trọng. Phân tích mã nguồn thường tạo ra nhiều mẫu đáng ngờ hơn khả năng xử lý thủ công của đội ngũ bảo mật. AVDH có thể tạo ra khối lượng lớn phát hiện trung gian, trong khi các bước xác minh và đánh giá của con người tập trung nguồn lực vào những vấn đề có vẻ thực sự khai thác được và gây hậu quả đáng kể.
Google cho biết trong 10 tháng đầu vận hành, AVDH đã phân tích các cơ sở mã với tổng quy mô lên tới hàng chục triệu dòng và tạo ra hàng chục nghìn phát hiện. Trong cuộc điều tra kéo dài hai ngày được nêu bật, hệ thống xác định hơn 100 lỗ hổng nghiêm trọng đúng là lỗ hổng thật. Toàn bộ hoạt động cũng đóng góp vào 12 CVE đã được cấp; khoảng một chục vấn đề khác vẫn đang trong quá trình công bố có phối hợp.
Vì vậy, thước đo hữu ích không phải là tổng số cảnh báo thô. Điều quan trọng là tỷ lệ chuyển đổi từ giả thuyết do máy tạo ra thành lỗ hổng có thể tái hiện, được xử lý có trách nhiệm và có giá trị hành động.
AVDH và NOVA không phải hai đối thủ trên cùng một bảng xếp hạng
Palo Alto Networks công bố một con số lớn hơn nhiều từ NOVA — hệ thống phát hiện lỗ hổng tự động, đa mô hình. Theo nghiên cứu của công ty, trong hai tháng NOVA đã phân tích 3.915 dự án mã nguồn mở và báo cáo 14.090 lỗ hổng đã được xác nhận; 99,4% trước đó chưa được báo cáo và 40% được xếp loại nghiêm trọng hoặc mức cao.
Hai con số này phản ánh hai mô hình vận hành khác nhau:
AVDH: đánh giá chuyên sâu, có giới hạn thời gian, gắn với hoạt động ứng phó sự cố; chuyên gia con người và việc tái hiện đường dẫn khai thác là các lớp kiểm soát chất lượng quan trọng.
NOVA: quét ở quy mô hệ sinh thái trên hàng nghìn dự án mã nguồn mở, ưu tiên độ rộng và khả năng tự động phát hiện.
Các báo cáo hiện có không cho thấy hai hệ thống sử dụng cùng cách chọn mục tiêu, tiêu chí đánh giá mức độ nghiêm trọng, ngưỡng chấp nhận cảnh báo sai, bài kiểm tra khả năng khai thác hay quy trình công bố lỗ hổng. Vì thế, không nên xem các con số này như một bảng xếp hạng phổ quát.
AVDH cho thấy chuỗi tác tử có thể hỗ trợ một cuộc điều tra cần độ tin cậy cao trong một vụ việc cụ thể. NOVA cho thấy phát hiện tự động có thể hoạt động ở quy mô nào khi được triển khai trên phần mềm mã nguồn mở. Kết hợp lại, chúng gợi ra hai bài toán riêng: tìm kiếm đủ rộng để không bỏ sót điểm yếu và xác minh đủ chắc chắn để biến phát hiện thành thông tin có thể xử lý.
Từ phát hiện lỗ hổng sang giảm phơi nhiễm
Câu trả lời của Palo Alto Networks trước tốc độ phát hiện mới không chỉ là tìm thêm lỗi. Đề xuất Advanced Virtual Patching của công ty nhằm triển khai biện pháp bảo vệ ở cấp mạng trong vài giờ, qua đó giảm thời gian hệ thống bị phơi nhiễm trong lúc chủ sở hữu phần mềm xử lý biện pháp khắc phục truyền thống. Palo Alto so sánh cách tiếp cận này với khoảng thời gian trung bình 55 ngày để triển khai một bản vá truyền thống trong ngành.
Công ty cũng công bố Frontier AI Critical Defense Program, một chương trình phối hợp giữa các công ty AI, nhà cung cấp phần mềm, cộng đồng mã nguồn mở và các tổ chức vận hành công nghệ. Những bên được nêu gồm Anthropic, OpenAI, IBM, Red Hat, Microsoft, Siemens, Mitsubishi Electric và Axis Communications.
Vá ảo có thể hữu ích khi dịch vụ dễ bị tổn thương nhận lưu lượng mà hệ thống mạng có thể nhận diện và chặn. Tuy nhiên, đây nên được hiểu là một biện pháp kiểm soát bù trừ, không phải sự thay thế cho việc sửa phần mềm gốc. Biện pháp lâu dài vẫn đòi hỏi đơn vị phụ trách phải hiểu lỗ hổng, thay đổi mã, kiểm thử, phân phối bản sửa lỗi và xác nhận các hệ thống bị ảnh hưởng đã được cập nhật.
Phân biệt này càng quan trọng khi tốc độ phát hiện tăng lên. Kiểm soát ở cấp mạng có thể giảm rủi ro trước mắt, nhưng tự nó không xử lý mã dễ bị tấn công nằm rải rác trong một ứng dụng hoặc toàn bộ chuỗi cung ứng phần mềm.
Kẻ tấn công cũng được tăng tốc bằng AI
Tiến bộ phòng thủ đang diễn ra song song với bằng chứng cho thấy kẻ tấn công cũng dùng AI cho những nhiệm vụ tương tự. Google Threat Intelligence Group cho biết họ đã xác định trường hợp đầu tiên mà một tác nhân đe dọa sử dụng một khai thác zero-day được cho là phát triển với sự hỗ trợ của AI. Tác nhân này dự định dùng khai thác trong một cuộc tấn công quy mô lớn, nhưng Google cho biết hoạt động phát hiện đối ứng chủ động của họ có thể đã ngăn chặn kế hoạch đó.
Khai thác được báo cáo nhằm vào cơ chế vượt qua xác thực hai yếu tố trong một công cụ quản trị web mã nguồn mở phổ biến. Các dấu hiệu như phần chú thích mang tính hướng dẫn và điểm CVSS bị “ảo giác” được viện dẫn như bằng chứng cho thấy mô hình AI có thể đã hỗ trợ quá trình phát triển.
Điều này không có nghĩa mọi lỗ hổng do AI tạo ra đều trở thành cuộc tấn công ngoài thực tế. Nhưng nó cho thấy các bên phòng thủ không thể tiếp tục mặc định rằng độ phức tạp của mã, quy mô hạn chế của đội ngũ nghiên cứu hay khoảng thời gian dài giữa lúc phát hiện và khai thác sẽ luôn đem lại đủ thời gian ứng phó.
Vì vậy, cảnh báo của Cloud Security Alliance có ý nghĩa đặc biệt: AI đang làm tốc độ và quy mô phát hiện lỗ hổng tăng nhanh hơn khả năng tiếp nhận của nhiều hệ thống công bố và vá lỗi. Nhiều phát hiện hơn chỉ giúp an toàn hơn nếu các tổ chức đủ năng lực phân loại, phối hợp công bố, xây dựng bản sửa lỗi và triển khai biện pháp bảo vệ một cách an toàn.
Phòng thủ có thể giành lại lợi thế không?
Có, nhưng không phải chỉ bằng cách mua một mô hình chuyên tìm lỗ hổng. Lợi thế thuộc về những tổ chức kết nối việc phát hiện với toàn bộ “hệ điều hành” bảo mật của họ:
Mô hình hóa mối đe dọa thu hẹp phạm vi tìm kiếm vào những đường tấn công thực tế.
Phân tích bằng tác tử AI khám phá mã nguồn và tạo nhiều giả thuyết với tốc độ máy tính.
Xác minh độc lập giảm nguy cơ biến các mẫu đáng ngờ thành báo cáo gây hiểu lầm.
Con người tái hiện khai thác xác nhận một lỗ hổng được đề xuất có thực sự bị khai thác hay không.
Công bố lỗ hổng có phối hợp tạo đường đi để nhà bảo trì và nhà cung cấp phản ứng.
Vá ảo cùng các biện pháp kiểm soát bù trừ khác giảm phơi nhiễm trong lúc bản sửa mã đang được chuẩn bị.
Khắc phục theo thứ tự ưu tiên bảo đảm những lỗ hổng dễ tiếp cận và gây hậu quả lớn nhất được xử lý trước.
AVDH minh họa giá trị của quy trình kết nối này: việc thăm dò tự động trên diện rộng đi cùng phán đoán của con người và xác minh khả năng khai thác. NOVA cho thấy áp lực mà quy trình đó phải chịu: phát hiện tự động có thể tạo ra lượng kết quả vượt xa năng lực xử lý được thiết kế cho các đội ngũ bảo mật truyền thống.
Cuộc chạy đua an ninh mạng trong kỷ nguyên AI vì thế không đơn giản là cuộc thi xem mô hình nào tìm được nhiều lỗi nhất. Đây là cuộc đua hoàn tất toàn bộ vòng lặp từ phát hiện đến giảm thiểu rủi ro nhanh hơn tốc độ đối thủ biến một lỗ hổng thành cuộc tấn công.
Các bên phòng thủ có thể giành lại lợi thế khi họ kiểm soát được mã nguồn, dữ liệu giám sát, quy trình triển khai và lớp kiểm soát mạng — đồng thời dùng AI để rút ngắn vòng lặp này. Nhưng phát hiện mà không đi kèm xác minh, đơn vị chịu trách nhiệm, công bố, sửa mã và triển khai có thể chỉ làm quy mô vấn đề lớn hơn, chứ chưa chắc giải quyết được nó.
paloaltonetworks.comRedefining Network Security for the Frontier AI Era
Cách phân công này rất quan trọng. Phân tích mã nguồn thường tạo ra nhiều mẫu đáng ngờ hơn khả năng xử lý thủ công của đội ngũ bảo mật. AVDH có thể tạo ra khối lượng lớn phát hiện trung gian, trong khi các bước xác minh và đánh giá của con người tập trung nguồn lực vào những vấn đề có vẻ thực sự khai thác được và gây hậu quả đáng kể.
Google cho biết trong 10 tháng đầu vận hành, AVDH đã phân tích các cơ sở mã với tổng quy mô lên tới hàng chục triệu dòng và tạo ra hàng chục nghìn phát hiện. Trong cuộc điều tra kéo dài hai ngày được nêu bật, hệ thống xác định hơn 100 lỗ hổng nghiêm trọng đúng là lỗ hổng thật. Toàn bộ hoạt động cũng đóng góp vào 12 CVE đã được cấp; khoảng một chục vấn đề khác vẫn đang trong quá trình công bố có phối hợp.
Vì vậy, thước đo hữu ích không phải là tổng số cảnh báo thô. Điều quan trọng là tỷ lệ chuyển đổi từ giả thuyết do máy tạo ra thành lỗ hổng có thể tái hiện, được xử lý có trách nhiệm và có giá trị hành động.
AVDH và NOVA không phải hai đối thủ trên cùng một bảng xếp hạng
Palo Alto Networks công bố một con số lớn hơn nhiều từ NOVA — hệ thống phát hiện lỗ hổng tự động, đa mô hình. Theo nghiên cứu của công ty, trong hai tháng NOVA đã phân tích 3.915 dự án mã nguồn mở và báo cáo 14.090 lỗ hổng đã được xác nhận; 99,4% trước đó chưa được báo cáo và 40% được xếp loại nghiêm trọng hoặc mức cao.
Hai con số này phản ánh hai mô hình vận hành khác nhau:
AVDH: đánh giá chuyên sâu, có giới hạn thời gian, gắn với hoạt động ứng phó sự cố; chuyên gia con người và việc tái hiện đường dẫn khai thác là các lớp kiểm soát chất lượng quan trọng.
NOVA: quét ở quy mô hệ sinh thái trên hàng nghìn dự án mã nguồn mở, ưu tiên độ rộng và khả năng tự động phát hiện.
Các báo cáo hiện có không cho thấy hai hệ thống sử dụng cùng cách chọn mục tiêu, tiêu chí đánh giá mức độ nghiêm trọng, ngưỡng chấp nhận cảnh báo sai, bài kiểm tra khả năng khai thác hay quy trình công bố lỗ hổng. Vì thế, không nên xem các con số này như một bảng xếp hạng phổ quát.
AVDH cho thấy chuỗi tác tử có thể hỗ trợ một cuộc điều tra cần độ tin cậy cao trong một vụ việc cụ thể. NOVA cho thấy phát hiện tự động có thể hoạt động ở quy mô nào khi được triển khai trên phần mềm mã nguồn mở. Kết hợp lại, chúng gợi ra hai bài toán riêng: tìm kiếm đủ rộng để không bỏ sót điểm yếu và xác minh đủ chắc chắn để biến phát hiện thành thông tin có thể xử lý.
Từ phát hiện lỗ hổng sang giảm phơi nhiễm
Câu trả lời của Palo Alto Networks trước tốc độ phát hiện mới không chỉ là tìm thêm lỗi. Đề xuất Advanced Virtual Patching của công ty nhằm triển khai biện pháp bảo vệ ở cấp mạng trong vài giờ, qua đó giảm thời gian hệ thống bị phơi nhiễm trong lúc chủ sở hữu phần mềm xử lý biện pháp khắc phục truyền thống. Palo Alto so sánh cách tiếp cận này với khoảng thời gian trung bình 55 ngày để triển khai một bản vá truyền thống trong ngành.
Công ty cũng công bố Frontier AI Critical Defense Program, một chương trình phối hợp giữa các công ty AI, nhà cung cấp phần mềm, cộng đồng mã nguồn mở và các tổ chức vận hành công nghệ. Những bên được nêu gồm Anthropic, OpenAI, IBM, Red Hat, Microsoft, Siemens, Mitsubishi Electric và Axis Communications.
Vá ảo có thể hữu ích khi dịch vụ dễ bị tổn thương nhận lưu lượng mà hệ thống mạng có thể nhận diện và chặn. Tuy nhiên, đây nên được hiểu là một biện pháp kiểm soát bù trừ, không phải sự thay thế cho việc sửa phần mềm gốc. Biện pháp lâu dài vẫn đòi hỏi đơn vị phụ trách phải hiểu lỗ hổng, thay đổi mã, kiểm thử, phân phối bản sửa lỗi và xác nhận các hệ thống bị ảnh hưởng đã được cập nhật.
Phân biệt này càng quan trọng khi tốc độ phát hiện tăng lên. Kiểm soát ở cấp mạng có thể giảm rủi ro trước mắt, nhưng tự nó không xử lý mã dễ bị tấn công nằm rải rác trong một ứng dụng hoặc toàn bộ chuỗi cung ứng phần mềm.
Kẻ tấn công cũng được tăng tốc bằng AI
Tiến bộ phòng thủ đang diễn ra song song với bằng chứng cho thấy kẻ tấn công cũng dùng AI cho những nhiệm vụ tương tự. Google Threat Intelligence Group cho biết họ đã xác định trường hợp đầu tiên mà một tác nhân đe dọa sử dụng một khai thác zero-day được cho là phát triển với sự hỗ trợ của AI. Tác nhân này dự định dùng khai thác trong một cuộc tấn công quy mô lớn, nhưng Google cho biết hoạt động phát hiện đối ứng chủ động của họ có thể đã ngăn chặn kế hoạch đó.
Khai thác được báo cáo nhằm vào cơ chế vượt qua xác thực hai yếu tố trong một công cụ quản trị web mã nguồn mở phổ biến. Các dấu hiệu như phần chú thích mang tính hướng dẫn và điểm CVSS bị “ảo giác” được viện dẫn như bằng chứng cho thấy mô hình AI có thể đã hỗ trợ quá trình phát triển.
Điều này không có nghĩa mọi lỗ hổng do AI tạo ra đều trở thành cuộc tấn công ngoài thực tế. Nhưng nó cho thấy các bên phòng thủ không thể tiếp tục mặc định rằng độ phức tạp của mã, quy mô hạn chế của đội ngũ nghiên cứu hay khoảng thời gian dài giữa lúc phát hiện và khai thác sẽ luôn đem lại đủ thời gian ứng phó.
Vì vậy, cảnh báo của Cloud Security Alliance có ý nghĩa đặc biệt: AI đang làm tốc độ và quy mô phát hiện lỗ hổng tăng nhanh hơn khả năng tiếp nhận của nhiều hệ thống công bố và vá lỗi. Nhiều phát hiện hơn chỉ giúp an toàn hơn nếu các tổ chức đủ năng lực phân loại, phối hợp công bố, xây dựng bản sửa lỗi và triển khai biện pháp bảo vệ một cách an toàn.
Phòng thủ có thể giành lại lợi thế không?
Có, nhưng không phải chỉ bằng cách mua một mô hình chuyên tìm lỗ hổng. Lợi thế thuộc về những tổ chức kết nối việc phát hiện với toàn bộ “hệ điều hành” bảo mật của họ:
Mô hình hóa mối đe dọa thu hẹp phạm vi tìm kiếm vào những đường tấn công thực tế.
Phân tích bằng tác tử AI khám phá mã nguồn và tạo nhiều giả thuyết với tốc độ máy tính.
Xác minh độc lập giảm nguy cơ biến các mẫu đáng ngờ thành báo cáo gây hiểu lầm.
Con người tái hiện khai thác xác nhận một lỗ hổng được đề xuất có thực sự bị khai thác hay không.
Công bố lỗ hổng có phối hợp tạo đường đi để nhà bảo trì và nhà cung cấp phản ứng.
Vá ảo cùng các biện pháp kiểm soát bù trừ khác giảm phơi nhiễm trong lúc bản sửa mã đang được chuẩn bị.
Khắc phục theo thứ tự ưu tiên bảo đảm những lỗ hổng dễ tiếp cận và gây hậu quả lớn nhất được xử lý trước.
AVDH minh họa giá trị của quy trình kết nối này: việc thăm dò tự động trên diện rộng đi cùng phán đoán của con người và xác minh khả năng khai thác. NOVA cho thấy áp lực mà quy trình đó phải chịu: phát hiện tự động có thể tạo ra lượng kết quả vượt xa năng lực xử lý được thiết kế cho các đội ngũ bảo mật truyền thống.
Cuộc chạy đua an ninh mạng trong kỷ nguyên AI vì thế không đơn giản là cuộc thi xem mô hình nào tìm được nhiều lỗi nhất. Đây là cuộc đua hoàn tất toàn bộ vòng lặp từ phát hiện đến giảm thiểu rủi ro nhanh hơn tốc độ đối thủ biến một lỗ hổng thành cuộc tấn công.
Các bên phòng thủ có thể giành lại lợi thế khi họ kiểm soát được mã nguồn, dữ liệu giám sát, quy trình triển khai và lớp kiểm soát mạng — đồng thời dùng AI để rút ngắn vòng lặp này. Nhưng phát hiện mà không đi kèm xác minh, đơn vị chịu trách nhiệm, công bố, sửa mã và triển khai có thể chỉ làm quy mô vấn đề lớn hơn, chứ chưa chắc giải quyết được nó.
paloaltonetworks.comRedefining Network Security for the Frontier AI Era
