Microsoft leidis saja AI-agendi abil Windowsist 16 haavatavust

Microsoft teatas uuest koodihaavatavuste otsingu süsteemist MDASH. See ei ole üks vestlusbot ega tavaline skanner, vaid agentplatvorm, mis koordineerib enam kui 100 spetsialiseeritud AI-agenti: ühed otsivad kahtlasi koodilõike, teised vaidlevad vea saavutatavuse üle, kolmandad püüavad tõestada, et viga saab päriselt esile kutsuda.

Tulemus on juba jõudnud Windowsi päris parandustsüklisse. Microsofti sõnul leidsid uurijad MDASH-i abil 16 uut haavatavust Windowsi võrgu- ja autentimiskomponentides. Neli neist said kriitilise taseme ja kuuluvad kaugkoodi käivitamise klassi — vigadesse, mis võivad lubada ründajal käivitada koodi võõras süsteemis ilma füüsilise ligipääsuta.

See on oluline uudis mitte ainult turvaspetsialistidele. See näitab, kuhu praktiline AI liigub: teksti genereerimisest ja arendajate abistamisest autonoomsetesse töövoogudesse, kus mudelid analüüsivad tohutuid suletud koodibaase ning leiavad vigu, mis varem nõudsid nädalaid käsitsi ekspertiisi.

Mida süsteem leidis

Mai Patch Tuesday’sse lisas Microsoft 16 CVE-d, mis leiti MDASH-i abil. Mõjutatud komponentide seas nimetab ettevõte Windows TCP/IP stack’i tuumas, IKEv2, Netlogoni, DNS API library’t, http.sys-i ja teisi Windowsi võrgutaristu osi. Osa vigadest puudutab teenusetõkestust või infoleket, kuid neli kriitilist haavatavust on seotud kaugkoodi käivitamisega.

Microsoft kirjeldas blogis üksikasjalikumalt kahte neist: tcpip.sys-i use-after-free viga, mis on seotud IPv4 SSRR-pakettidega, ja IKEv2 double-free viga, mis võib viia koodi käivitamiseni LocalSystem õigustes. Inimkeelde tõlgituna: jutt käib Windowsi madala taseme võrguloogika vigadest, kus pakettide või mäluolekute vale käsitlus võib anda ründajale väga tõsised võimalused.

Oluline on, et Microsoft sõnastab AI rolli ettevaatlikult: süsteem aitas uurijatel haavatavusi leida, mitte ei asendanud kogu turbeprotsessi. See on lähiaastate kõige realistlikum pilt. AI ei kaota security-insenere, koodiomanikke, triage’i ega Patch Tuesday’d. Kuid ta muudab radikaalselt esialgse otsingu kiirust ja ulatust.

Miks MDASH erineb tavalisest skannerist

Tavaline staatilise analüüsi tööriist otsib tuntud mustreid: ohtlikke funktsioonikõnesid, kahtlasi üleminekuid ja tüüpiliste reeglite rikkumisi. See on kasulik, kuid töötab halvasti seal, kus viga sõltub kontekstist: tuuma sisemisest olekust, lukustusreeglitest, usalduspiiridest teenuste vahel või keerulisest võrgupakettide jadast.

MDASH on ehitatud teisiti. Microsoft kirjeldab seda mitmeetapilise toruna. Kõigepealt valmistab süsteem koodibaasi ette: loob indeksid, eraldab ründepinna ja arvestab muudatuste ajalugu. Seejärel läbivad auditiagendid potentsiaalselt ohtlikud teed ja loovad hüpoteese. Järgmine agentide kiht vaidleb iga leiu poolt ja vastu: kas see on saavutatav, kas seda saab ekspluateerida, kas tegemist pole valepositiivsega. Seejärel ühendab süsteem duplikaadid ja püüab võimalusel luua sisendi, mis vea olemasolu tõestab.

Võtmepunkt pole üks „kõige targem“ mudelivastus, vaid mudelite ümber ehitatud arhitektuur. Microsoft kirjutab, et MDASH kasutab frontier- ja distilled-mudelite ansamblit: rasked mudelid võtavad keerulise arutluse, kergemad aitavad masskontrollidel ja eraldi agendid toimivad sõltumatute oponentidena. Tööstuse jaoks on see oluline õppetund: praktiline väärtus tekib üha sagedamini mitte paljas mudelis, vaid õigesti kokku pandud rollide, tööriistade, kontrollide ja domeenimälu süsteemis.

Kui usaldusväärne see on

Microsoft toob välja mitu kontrolli. Suletud StorageDrive’i testdraiveril, mis sisaldas 21 spetsiaalselt sisestatud haavatavust ja polnud internetis avaldatud, leidis MDASH kõik 21 viga ilma valepositiivideta selles katses. Microsoft Security Response Centeri ajaloolistel andmetel näitas süsteem kinnitatud juhtumite puhul clfs.sys-is 96% recall’i ja tcpip.sys-is 100%. Avalikul CyberGym benchmark’il 1 507 reaalse haavatavusega väidab Microsoft tulemuseks 88,45%, umbes viis protsendipunkti lähimast edetabelikonkurendist kõrgemal.

Neid numbreid ei tasu lugeda tõendina, et AI leiab nüüd igas programmis kõik vead. Turbebenchmark’id on keerulised ja päris koodibaasid on täis domeeniloogikat, mida on raske formaliseerida. Kuid suund on ilmne: agentsüsteemid on juba piisavalt tugevad, et neid kasutada tööstuslikus haavatavuste otsingus, eriti kui kõrval on spetsialistid, kes leide kontrollivad ja parandusteni viivad.

Mida see ettevõtetele muudab

Suurte tarkvaraarendajate jaoks on järeldus pragmaatiline: turvaaudit muutub sagedasemaks ja sügavamaks. Kui varem keskendus kallis käsitsi ekspertiis kõige kriitilisematele komponentidele, võivad agentsüsteemid katvust laiendada. Nad ei väsi, saavad paralleelselt kontrollida tuhandeid teid ja naasta koodi juurde pärast iga suuremat muudatust.

Klientidele tähendab see kahte vastandlikku efekti. Hea uudis: rohkem haavatavusi leitakse enne kurjategijaid. Halb uudis: sama loogika jõuab varem või hiljem mitte ainult kaitsjateni. Kui kaitsetiimid kasutavad AI-d vigade leidmiseks, automatiseerivad ründajad samuti luuret, fuzzing’ut, pöördprojekteerimist ja ekspluateerimisahelate koostamist. Küberturbes algab mitte lihtsalt mudelite, vaid agentlike veatehaste võidujooks.

Miks see tavakasutajale korda läheb

Windowsi kasutaja ei pea teadma, mis on tcpip.sys või IKEv2. Kuid ta sõltub sellest, kui kiiresti Microsoft ja teised tarnijad selliseid vigu leiavad ja sulgevad. Kriitilised võrguhaavatavused pole abstraktsed read bülletäänis: neist võivad saada lunavara, ettevõtterünnete ja massnakkuste sisenemiskohad.

Kui MDASH ja sarnased süsteemid jõuavad regulaarseks praktikaks, sisaldavad turvauuendused üha sagedamini masinate leitud vigu enne avalikku ärakasutamist. See ei tee tarkvara täiuslikuks, kuid võib lühendada akent vea tekkimise ja kaitsjate avastamise vahel.

Tööjõu jaoks ei tähenda see lihtsalt „AI asendab security-insenere“. Muutub tööprofiil. Spetsialisti väärtus nihkub agentidele ülesannete seadmisele, toote arhitektuuri mõistmisele, tõendite kontrollile, riski prioriseerimisele ja leiu turvaliseks paranduseks muutmisele. Rutiinne esmane koodiläbikäik automatiseerub üha enam.

Millele edasi vaadata

Esimene marker on see, kui kiiresti Microsoft avab MDASH-i välistele klientidele. Praegu räägib ettevõte piiratud private preview’st ning CSO järgi peaks tööriist jõudma enterprise-klientidele erapriview’sse juunis. Kui suured ettevõtted hakkavad selliseid süsteeme oma koodibaaside külge ühendama, võib AppSeci turg muutuda sama märgatavalt, nagu arendus muutus coding agent’ide tulekuga.

Teine marker on konkurentide reaktsioon. Anthropic edendab juba Mythost turvalise arenduse jaoks, Mistral on Bloombergi andmetel arutanud Euroopa pankadega küberturbemudelit ning security-segmendi idufirmad püüavad sarnaseid lähenemisi pakkida ettevõtetele, kellel pole Microsofti ressursse.

Kolmas marker on tõendite kvaliteet. Turbes ei piisa fraasist „tundub, et siin on bugi“. Vaja on korratavaid tingimusi, arusaadavat riskihinnangut, madalat valepositiivide taset ja integratsiooni päris parandustsükliga. Võidab mitte süsteem, mis lubab kõige valjemini autonoomiat, vaid see, mis annab kontrollitavaid leide ilma inseneride töövoogu lõhkumata.

MDASH-i lugu on hea näide täiskasvanud AI-st. Siin pole maagilist demot demo pärast. On igav, kallis ja väga tähtis inseneriülesanne: leida ohtlikud vead koodis, millest sõltuvad miljonid organisatsioonid. Kui agentsüsteemid hakkavad hakkama saama just selliste töödega, mõõdetakse järgmist AI-lainet mitte genereeritud tekstide arvu, vaid päris protsesside järgi, mis muutusid kiiremaks, sügavamaks ja turvalisemaks.