← Wróć do aktualności
SecurityWeek30 wrz 2026 · 3 min czytania

Raport Google wskazuje, że AI zmienia wykrywanie i wykorzystywanie luk

Google Threat Intelligence Group (GTIG) twierdzi, że sztuczna inteligencja wpływa zarówno na liczbę zgłaszanych błędów oprogramowania, jak i na charakter wykrywanych podatności. W przeglądzie podatno....

Google Threat Intelligence Group (GTIG) twierdzi, że sztuczna inteligencja wpływa zarówno na liczbę zgłaszanych błędów oprogramowania, jak i na charakter wykrywanych podatności.

W przeglądzie ujawnień podatności od stycznia 2025 r. do sierpnia 2026 r. GTIG podał, że miesięczna liczba ujawnionych identyfikatorów CVE wzrosła z 5 045 w styczniu 2026 r. do 10 477 w lipcu, a następnie osiągnęła 10 740 w sierpniu. Grupa zastrzegła, że same sumy ujawnień niekoniecznie wskazują na odpowiadający im wzrost istotnego ryzyka bezpieczeństwa, ponieważ automatyczne przypisywanie identyfikatorów CVE, szczególnie w projektach open source, może zawyżać te liczby.

Przykładowo, jak podaje GTIG, ujawnienia dotyczące jądra Linux stanowiły około 5 000 CVE w pierwszych ośmiu miesiącach 2026 r., przy czym nie zaobserwowano wykorzystywania tych problemów jako luk zero-day w rzeczywistych atakach.

Trendy w wykorzystywaniu podatności

GTIG zidentyfikował 141 odrębnych podatności wykorzystanych w atakach w pierwszych ośmiu miesiącach 2026 r., co przewyższa 127 odnotowanych w całym 2025 r. Miesięczna średnia wzrosła do około 18 wykorzystywanych podatności, w porównaniu z 10,5 w ubiegłym roku. Mimo to grupa stwierdziła, że tylko około 0,23% podatności ujawnionych w 2026 r. miało potwierdzone wykorzystanie w rzeczywistych atakach.

Aktywność związana z lukami zero-day wzrosła bardziej umiarkowanie — ze średnio ośmiu przypadków miesięcznie w 2025 r. do 11 miesięcznie w 2026 r. GTIG ocenił, że szerszy wzrost wykorzystania podatności był w dużej mierze napędzany przez znane, wcześniej ujawnione luki, czasami określane jako n-days.

Raport sugeruje, że atakujący mogą wykorzystywać duże modele językowe i powiązane narzędzia do przyspieszania analizy poprawek, różnic między wersjami, komunikatów bezpieczeństwa oraz kodu exploitów typu proof-of-concept, co pozwala im szybciej uzbrajać publicznie znane luki.

Luki wykryte przez AI mają inny profil ryzyka

Podatności sklasyfikowane przez GTIG jako prawdopodobnie wykryte przez AI częściej oceniano jako mające średni lub wysoki wpływ niż konwencjonalne znaleziska. Połowa tych luk wykrytych przez AI mogła prowadzić do zdalnego wykonania kodu, w porównaniu z 26% ustaleń niezwiązanych z AI.

GTIG przypisał tę różnicę częściowo programom badawczym wspomaganym przez AI, ukierunkowanym na wrażliwe granice uprawnień i systemy krytyczne. Grupa stwierdziła również, że modele AI mogą pomagać w identyfikowaniu błędów bezpieczeństwa pamięci i błędów logicznych, które mogą zostać pominięte przez konwencjonalne narzędzia analizy statycznej.

  • GTIG potwierdził wykorzystanie niektórych podatności wykrytych przez AI.
  • Jednym z przytoczonych przykładów był CVE-2026-1731, problem z iniekcją poleceń w produktach BeyondTrust, podobno wykryty przez autonomicznego agenta badawczego.
  • Do sierpnia 2026 r. odnotowano ponad 1 500 CVE związanych z AI, z których wiele dotyczyło frameworków orkiestracji AI.

GTIG oczekuje, że w najbliższym czasie tempo wykrywania i wykorzystywania podatności będzie nadal rosło, jednocześnie zauważając, że wykorzystywanie samej infrastruktury AI pozostaje ograniczone i że nie zaobserwowano ataków zero-day wymierzonych w taką infrastrukturę.

Udostępnij ten artykuł:TwitterLinkedIn