AI udnytter billigt sårbarheder, som risikomodeller ignorerer, ifølge rapport

Et AI-sikkerhedsstartup siger, at deres autonome agenter har omdannet offentliggjorte software-sårbarheder til fungerende, verificerede udnyttelser for en median på 2,83 $ og cirka 11 minutter hver – og at fejlene, som agenterne knækkede mest let, er dem, som mange virksomheders patchningsprogrammer bliver bedt om at springe over.

Påstanden kommer fra Quantro Security, et New York-baseret selskab grundlagt af veteraner fra CrowdStrike (CRWD ), Tenable og Qualys, som sælger en AI-dreven sårbarhedsstyringsplatform. Deres rapport, The Economics of Vulnerability Exploitation with AI, blev produceret af Vulnerability Research Labs, en intern enhed, med sårbarhedsdata leveret af firmaet Loginsoft. Over 3.029 offentliggjorte CVE’er rapporterer selskabet, at deres autonome “Exploit Harness” opbyggede en verificeret proof-of-concept for 2.183 af dem – en succesrate på 72% – til en median beregningsomkostning på 2,83 $ og en median på 11 minutter fra at indtage en sårbarhed til en fungerende udnyttelse.

Rammesætningen er Quantros salgsargument såvel som deres fund. For det meste af de sidste tre årtier har den praktiske barriere, der beskyttede den lange hale af offentliggjorte fejl, været arbejdskraft: At skrive en pålidelig udnyttelse tog en dygtig forsker dage eller uger, så kun en brøkdel af fejlene blev nogensinde udnyttet. “Når udnyttelse koster prisen af en kop kaffe og tager under en kvart time, betyder ‘usandsynligt at blive udnyttet’ ikke længere sikker,” sagde Mehul Revankar, selskabets chef for produktudvikling, i rapportens annonceringsmeddelelse.

Fejlene, som holdene bliver bedt om at springe over

Påstanden er skarpere om, hvilke sårbarheder agenterne fandt lette. Ifølge rapporten har 73% af de AI-udnyttelige CVE’er en Exploit Prediction Scoring System-score under 0,25. Denne model, der vedligeholdes af Forum of Incident Response and Security Teams, estimerer sandsynligheden for, at en fejl bliver udnyttet i det vilde inden for 30 dage, og en score så lav er, hvor mange sårbarhedsstyringsprogrammer beder hold om at nedprioritere patchning. Quantro siger også, at 1.933 af de udnyttelige fejl – 89% – ikke optræder i den amerikanske cybersikkerhedsagencys katalog over kendte udnyttede sårbarheder, den autoritative liste over fejl, der er bekræftet under aktiv angreb.

Begge signaler blev bygget for at besvare et menneskeligt spørgsmål: Er nogen faktisk beskæftiget med at udnytte dette? Quantros argument er, at de nu mangler et andet. “Spørgsmålet, som forsvarerne må stille, er: ‘Kan en AI-agent udnytte denne sårbarhed automatisk?'” sagde chief executive Sasan Padidar. Selskabets foreslåede løsning, ikke overraskende, er at behandle AI-udnyttelighed som sin egen prioriteringssignal – det, som deres platform sælger.

Det, som tallene viser og ikke viser

To ting dæmper toplinet. Dette er vendor-oprindeligt forskning, der måler vendorens egen tese med vendorens egen værktøj, et punkt, som rapporten fastslår åbent. Og det er ikke zero-day-arbejde: Hver eneste sårbarhed, der blev studeret, var en kendt, offentliggjort CVE med en offentlig vejledning, så studiet måler, hvor billigt AI kan gen-udnytte, hvad der allerede er dokumenteret – ikke, om det kan opdage noget nyt. Datamængden skæver også mod fejl, der kan genopbygges inde i en container, og udelader fejl, der kræver specialiseret hardware eller licenseret kommerciel software.

Autonomien bærer en asterisk, også. Quantro siger, at en deterministisk verificator – ikke modellens egen påstand – bekræftede hver udnyttelse, der affyrede, med kontroller til at screene ud falske positive. Men af de 998 udnyttelser, som de havde fået kontrolleret manuelt, havde 234, omtrent en ud af fire, brug for en menneskelig korrektur af AI-genereret kode, før den ville verificere. Tallene dækker et april-juni 2026-vindue, som selskabet kalder en gulv snarere end en fast rate.

Denne forbehold dæmper begge veje. Uafhængig testning har gentagne gange vist en gap mellem, hvad agenter klarer mod pænt beskrevne offentliggjorte fejl, og hvad de opnår mod reelle, nye mål – jo tættere opgaven kommer på ægte opdagelse, jo mere falder succesraterne.

Den del, der ikke er hypotetisk

Retningen, som Quantro måler, er allerede synlig uden for laboratoriet. Google’s Threat Intelligence Group rapporterede i maj 2026, at de havde identificeret, for første gang, en zero-day-udnyttelse, som de mener blev bygget med AI – en to-faktor-autentificerings-omgåelse i et åbent kilde-administrationsværktøj, som en kriminel gruppe planlagde at bruge i en mass-udnyttelseskampagne. Den samme rapport beskrev en Nordkorea-relateret gruppe, der affyrede tusindvis af automatiserede prompter for at analysere CVE’er og validere proof-of-concept-udnyttelser, og samlede en arsenal, som analytikerne sagde ville være umulig at styre manuelt. Vendor-rapporter gennem året har sporet den samme skift fra AI som assistant til aktiv operatør.

Sammen med rapporten udgiver Quantro to gratis værktøjer: AI-XI, som scorer en indsendt CVE fra 1 til 5 på, hvor let en agent kan udnytte den, og AI-Recon, som mapper en organisations eksponerede tjenester mod laboratoriets katalog over verificerede udnyttelser. Begge kører på samme harness bag selskabets betalte produkt, så de fungerer som demonstration og salgs kanal på samme tid. Prioriteringsargumentet kræver ikke køb af noget, dog; Quantro har offentliggjort deres per-CVE-datasæt, en mere nyttig respons for forsvarere end at tage en enkelt vendors 72% på tro.