Сложный обход аутентификации оставался в кодовой базе после пяти лет пентестов, но его обнаружили ИИ-агенты Intruder. Этот кейс не доказывает, что AI-пентестинг уже заменил специалиста: он показывает более неприятную для рынка вещь — привычный ежегодный аудит и чек-лист не гарантируют, что уязвимость не лежит прямо в логике продукта.
О подходе компании Intruder сообщает BleepingComputer. Материал спонсирован разработчиком платформы, поэтому заявления о результатах и экономике стоит воспринимать как позицию вендора, а не как независимый бенчмарк. Но описание ограничений технологии здесь не менее полезно, чем рекламный тезис о найденной ошибке.
Чек-лист не равен покрытию
В Intruder сначала пробовали раздать агентам узкие роли: один ищет один класс уязвимостей, другой — другой. Получилась знакомая ловушка автоматизации. Агент не замечал проблему за пределами своей «должностной инструкции» либо пытался отнести найденное к назначенной категории, из-за чего отчёты становились путаными. Полностью свободным агентам тоже не хватало дисциплины: на больших приложениях они находили любопытные аномалии, но пропускали значительную часть поверхности атаки.
В итоге компания выбрала промежуточную схему: широкие роли, помогающие разбирать приложение, и жёсткие ограничения на потенциально опасные действия. Такой агент не проходит методологию строка за строкой и не ставит галочки напротив SQL-инъекций, XSS и прочих обязательных пунктов. Зато он может продолжить исследование странного поведения приложения, не пытаясь немедленно подогнать его под известный шаблон. Именно так, по утверждению Intruder, был найден обход аутентификации, который не заметили люди за пять лет проверок.
Для разработчиков вывод довольно прозаичен: методология нужна как минимальный уровень контроля, но не как доказательство отсутствия риска. Даже сильный пентестер не превращается в детерминированный сканер. На результат влияют опыт, специализация и случайно накопленные знания — например, давно прочитанная спецификация, которая помогает узнать неочевидный паттерн. Один консультант заметит нарушение логики доступа, другой лучше раскроет цепочку из нескольких обычных дефектов. Агентные системы тоже непредсказуемы: при повторном запуске они могут выбрать другие ветки для более глубокого анализа.
У Intruder используется подход white box: агентам дают исходный код. Это важное условие, которое легко потерять за словом «автономный». ИИ может сопоставить маршруты, обработчики, права и ожидаемые сценарии работы приложения с детализацией, на которую у человека обычно нет времени в рамках типового контракта. В частности, система способна проверять, не получает ли низкопривилегированный пользователь путь к административным функциям и не видит ли клиент данные другого клиента. Но качество такого анализа напрямую зависит от того, какие репозитории, секреты, тестовые учётные записи и описание бизнес-процессов ей предоставили.
Код агент читает быстро, а контекст не угадывает
Главный дефицит AI-пентестинга — не скорость чтения кода, а отсутствие диалога. Человек, встретив непонятный участок системы, спрашивает владельца продукта, уточняет границы работ и может запросить разрешение на проверку, которая рискует нарушить доступность. Агент не способен самостоятельно получить недостающую бизнес-информацию и потому должен действовать осторожно, чтобы не выйти за согласованный контур. Это ограничение особенно существенно для сложных интеграций, финансовых процессов, персональных данных и систем, где «неправильное» действие может запустить реальную операцию.
Не исчезает и проблема приоритизации. По словам автора материала, агенты Intruder завышают оценку серьёзности находок: языковые модели склонны выбирать осторожную трактовку, а без разговора с командой не знают о компенсирующих контролях, реальной эксплуатируемости и масштабе последствий. Для службы безопасности это лучше, чем пропустить критическую ошибку, но для команды разработки означает риск получить длинный список тревог с неидеальным порядком исправления. Финальное решение о риске всё ещё должно опираться на владельца системы и инженера безопасности, а не на оценку модели.
Зато в рекомендациях по устранению автоматизация выглядит убедительно. Человек после нескольких дней аудита нередко пишет общее «проверьте контроль доступа» — не из лени, а из-за срока и отсутствия полного доступа к коду. Агент может указать конкретное место изменения, предложить правку и перечислить временные компенсирующие меры. Intruder приводит пример клиента, который закрыл все 78 обнаруженных проблем за несколько дней; независимого подтверждения кейса в публикации нет, но сама механика правдоподобна: разработчику проще действовать по точной задаче, чем переводить абстрактный вывод отчёта в изменение кода.
Для российских команд разумная модель — не выбирать между человеком и агентом, а менять ритм проверок. AI-пентестинг может запускаться после крупных изменений и сокращать окно между появлением дефекта и его обнаружением. Ручной специалист остаётся нужен там, где требуется разговор о бизнес-рисках, проверка нестандартных сценариев, спорная граница скоупа и независимый взгляд на выводы. Вопрос ближайших лет не в том, кто «лучше», а в том, смогут ли компании встроить частые проверки в CI/CD и сохранить у людей право решающего слова там, где цена ошибки выходит за пределы одной строки кода.