Доверие к автоматическому AI-сканированию упало до однозначных цифр. Cobalt зафиксировал, что за 2025 год доля организаций, полагающихся только на такие сканеры, сократилась на 20 процентных пунктов. Реакция рынка выглядит рациональной: вендоры обещали точность пентестера на скорости сканера, а на деле инструменты работают с паттернами и не видят контекст.
Сканер не понимает сетевую топологию, компенсирующие контроли и бизнес-логику. Отсюда шум: ложные срабатывания держатся на уровне 30-60%. RHEL и Ubuntu LTS бэкпортят исправления без смены номера версии, и сканер помечает CVE, закрытые месяцы назад. Или классика: SQL-инъекция формально есть, но WAF с virtual patching её блокирует, эксплуатируемость нулевая.
Отдельная тема: уязвимость самих AI-агентов. Исследователи из George Mason University показали фреймворк Mantis: защитник ставит decoy-FTP с anonymous-входом и прячет в выводе сервера prompt injection через ANSI-escape-последовательности. Невидимые в терминале, они попадают в контекстное окно агента, и открывается reverse shell. Эффективность выше 95%. Живой пентестер обошёл бы подозрительно открытый FTP из скепсиса, агент не различает данные и инструкции.
Списывать технологию рано. Vulnhuntr от Protect AI автономно нашёл подтверждённые уязвимости в open-source: stored XSS в ComfyUI, RCE в RagFlow, примерно за $200 токенов Claude API. Правда, большинство находок оказалось невалидными, а два запуска на одном проекте давали разные результаты.
Вывод: AI в пентесте работает как ассистент, а не замена. Он реально экономит часы на триаже и приоритизации алертов, генерации гипотез и рутинной разведке. По данным SANS, у компаний с высоким уровнем ложных срабатываний MTTR реальных уязвимостей на 40% дольше. Шум убивает внимание: инженер, уставший от «критических» пустышек, начинает игнорировать security-тикеты.
Полная статья: https://clck.su/RwJQn
ВКонтакте
MAX