RedactorДаниэль Стенберг, автор проекта curl, поделился новыми достижениями в области безопасности. Исследователь в области информационной безопасности Джошуа Роджерс, используя ИИ-инструменты Almanax, Corgea, ZeroPath, Gecko и Amplify, смог выявить сразу 50 ошибок в открытой утилите. Ранее Стенберг сообщал о прекращении анализа отчетов об уязвимостях, полученных с помощью ИИ, на платформе HackerOne, утверждая, что такие сообщения перегружают команду проекта. Однако, как показал опыт, именно разработчики стали источником ошибок, а не технологии. Роджерс, заметив мелкие недочеты и серьезные уязвимости, предоставил ценные отчеты, которые были высоко оценены. Стенберг принял около 50 исправлений, подтверждая, что ИИ может быть эффективным инструментом в умелых руках. Также Роджерс выявил критические уязвимости в коде своей предыдущей компании Opera Software, которые были исправлены в сентябре 2025 года.
Вопрос-ответ
Как ИИ может помочь в «охоте» на ошибки в open-source проектах и какие примеры успешного применения приведены в статье?
ИИ-инструменты Almanax, Corgea, ZeroPath, Gecko и Amplify были использованы исследователем Joshua Rogers для выявления 50 ошибок в открытой утилите, демонстрируя, что ИИ может ускорить поиск уязвимостей при правильном применении и внимательном анализе. В статье подчеркивается, что источником ошибок чаще оказываются разработчики, а не технологии, и при грамотной работе ИИ может существенно повысить качество кода.
Какой подход применял Стенберг к анализу отчетов об уязвимостях и почему это важно?
Стенберг ранее прекращал анализ отчетов об уязвимостях, полученных через ИИ на HackerOne, считая, что такие сообщения перегружают команду. Опыт же показал, что разработчики сами являются источником ошибок, и отчеты, предоставленные компетентной командой, — ценны. В статье приводится идея, что сочетание ИИ и человеческого анализа позволяет выявлять и исправлять широкий спектр уязвимостей.
Каковы выводы об эффективности ИИ в разработке и безопасности ПО на примере статьи?
Статья демонстрирует, что при умелом использовании ИИ может быть достигнуто значительное ускорение обнаружения ошибок и повышение качества кода: около 50 исправлений принятых по итогам работы ИИ-анализа, а также выявление критических уязвимостей в прошлой компании, исправленных позже. Основной вывод — ИИ не заменяет человека, но является мощным дополнением к процессу аудита кода и разработки, если лица, принимающие решения, тщательно оценивают результаты и внедряют исправления.
