Sicurezza informatica
Il progetto pilota di GitHub trasforma le vulnerabilità di sicurezza individuate dall’IA in 55 correzioni open source

Punti chiaveIl triage tramite IA e la revisione umana hanno ridotto 9.791 risultati grezzi a 99…
Vedi di più
- Il triage tramite IA e la revisione umana hanno ridotto 9.791 risultati grezzi a 99 segnalazioni private.
- I manutentori hanno mantenuto il controllo su quali risultati correggere e quando rilasciare le patch.
- L'espansione del progetto pilota dipende dalla capacità di revisione esperta che GitHub ammette non essere ancora scalabile.
GitHub ha riferito il 17 novembre 2026 che un progetto pilota sulla sicurezza condotto con Microsoft aveva prodotto 55 correzioni in sei progetti open source al 15 novembre 2026. La sperimentazione Codename MDASH ha ridotto 9.791 potenziali problemi a 99 segnalazioni private, ciascuna verificata da ricercatori e corredata da una prova di concetto e da una correzione suggerita.
Quattordici correzioni erano già state incluse nelle versioni rilasciate. I progetti erano AutoGPT, Caddy, Express, FastMCP, ImageMagick e Netty. I manutentori hanno deciso quali segnalazioni correggere, come intervenire e quando rilasciare le correzioni, mentre le segnalazioni e le patch sono rimaste su GitHub.
La revisione umana ha ridotto i risultati della scansione
L’approccio affronta un problema di manutenzione creato dalla maggiore accessibilità delle scansioni basate sull’IA: i duplicati e le segnalazioni che non riguardano vulnerabilità effettive assorbono già tempo ai manutentori, mentre per correggere i problemi serve comunque il giudizio umano. GitHub vuole che i ricercatori consultino i manutentori prima di sottoporre i loro progetti a un altro modello e che inviino le patch insieme a ogni segnalazione.
Il sistema Codename MDASH di Microsoft ha esaminato ciascun progetto con il modello MAI Cyber e ha suggerito delle correzioni. Un agente di triage basato sull’IA di GitHub Security Lab, sviluppato con competenze Copilot personalizzate, ha rimosso i duplicati, verificato la validità delle segnalazioni e dato priorità ai bug con un impatto elevato. In seguito, sette ricercatori del Microsoft FORGE Lab hanno verificato manualmente ogni segnalazione rimanente, prima che i rapporti fossero inviati ai manutentori tramite il sistema di segnalazione privata delle vulnerabilità di GitHub.
I manutentori hanno utilizzato le patch suggerite
Secondo GitHub, le prime correzioni sono state rilasciate circa una settimana dopo la scansione iniziale. I manutentori di Caddy hanno risolto tutte le 22 segnalazioni ricevute in una settimana o meno. Anche ImageMagick, mantenuto da due persone, ha ricevuto 22 segnalazioni; in un caso, i manutentori hanno pubblicato una correzione in 15 minuti, dopo aver ricevuto una sintesi che indicava le righe esatte di codice e mostrava che un problema apparentemente noto era diverso.
Nel caso di AutoGPT, una segnalazione è arrivata tre giorni dopo che i manutentori avevano rilasciato un controllo difettoso e indicava la riga giusta. I manutentori sono intervenuti in modo più ampio rispetto alla patch suggerita, hanno scritto la correzione in un giorno e l’hanno messa in produzione meno di una settimana dopo. Nel corso del progetto pilota, i manutentori hanno utilizzato alcune correzioni suggerite così com’erano e ne hanno adattate altre.
Un manutentore di Netty ha descritto il limite ancora presente: «Individuare le vulnerabilità non è più il nostro collo di bottiglia. La parte difficile è correggerle, e questo dipende dai manutentori».
L’espansione dipende dalla capacità di revisione
GitHub ha descritto il campione di progetti come ridotto, le conclusioni come lezioni preliminari e la revisione manuale come non ancora scalabile; i ricercatori hanno impiegato circa due giorni per progetto per verificare manualmente le segnalazioni. Ogni giorno, i manutentori continuano a ricevere rapporti di bassa qualità.
GitHub ha inoltre individuato come esigenze ancora da soddisfare i test CI/CD su fork privati e l’accesso dei manutentori a modelli con capacità di sicurezza informatica. I test verificherebbero le correzioni sui fork privati, mentre l’accesso ai modelli aiuterebbe i manutentori a verificare una prova di concetto prima e dopo la correzione. Lo standard raccomandato per le segnalazioni generate dall’IA consiste nel confrontare ogni rilievo con le conoscenze già acquisite sul progetto, il suo modello di minaccia e le sue politiche di sicurezza, inviare la segnalazione in privato, includere una correzione suggerita e lasciare che siano i manutentori a stabilire i tempi.
GitHub intende applicare queste lezioni alle segnalazioni private di vulnerabilità e agli avvisi di sicurezza. Offrirà scansioni di sicurezza basate sull’IA, con i rilievi verificati prima dell’invio delle segnalazioni private, oltre a GitHub Copilot Max, a tutti i progetti degli ex partecipanti al GitHub Secure Open Source Fund, ed estenderà il supporto alle future edizioni del Fondo. GitHub e Microsoft stanno inoltre lavorando per ampliare la revisione da parte dei ricercatori, mantenendo questi controlli.
Per la divulgazione delle vulnerabilità assistita dall’IA, il compromesso del progetto pilota è concreto: l’automazione può ridurre un flusso di rilievi grezzi a una coda privata gestibile, mentre la revisione degli esperti e il controllo dei manutentori determinano se le segnalazioni porteranno a delle patch. L’espansione dipende dalla possibilità di mantenere questo standard senza trasferire nuovamente l’onere del triage sui manutentori.












