Cybersikkerhet
GitHubs pilot omgjør KI-sikkerhetsfunn til 55 rettelser i åpen kildekode

Viktige punkterAI-triagering og menneskelig gjennomgang reduserte 9 791 råfunn til 99 private…
Vis mer
- AI-triagering og menneskelig gjennomgang reduserte 9 791 råfunn til 99 private rapporter.
- Vedlikeholderne beholdt kontrollen over hvilke funn som skulle rettes og når patcher skulle sendes ut.
- Utvidelse av piloten avhenger av ekspertkapasitet til gjennomgang som GitHub innrømmer ennå ikke er skalerbar.
GitHub meldte 17. november 2026 at en sikkerhetspilot med Microsoft hadde ført til 55 rettelser i seks åpen kildekode-prosjekter per 15. november 2026. Kodenavn MDASH-forsøket silte ut 99 private rapporter fra 9 791 mulige problemer. Forskere kontrollerte hver rapport, som også inneholdt et konseptbevis og et forslag til rettelse.
14 av rettelsene var allerede tatt med i utgivelser. Prosjektene var AutoGPT, Caddy, Express, FastMCP, ImageMagick og Netty. Vedlikeholderne bestemte hvilke funn som skulle rettes, hvordan de skulle rettes, og når rettelsene skulle lanseres. Rapportene og oppdateringene ble værende på GitHub.
Menneskelig gjennomgang snevret inn skanneresultatene
Opplegget tar tak i et vedlikeholdsproblem som billigere KI-skanning har skapt: Duplikater og rapporter om forhold som ikke er faktiske sårbarheter, legger allerede beslag på vedlikeholdernes tid, mens utbedring fortsatt krever menneskelig skjønn. GitHub ønsker at forskere rådfører seg med vedlikeholderne før de retter en annen modell mot prosjektene deres, og at de sender inn oppdateringer sammen med eventuelle funn.
Microsofts system Codename MDASH skannet hvert prosjekt med sin MAI Cyber-modell og foreslo rettelser. En KI-agent for sortering av funn fra GitHub Security Lab, utviklet med tilpassede Copilot-ferdigheter, fjernet duplikater, kontrollerte om funnene var gyldige og rettet oppmerksomheten mot feil med stor innvirkning. Deretter gjennomgikk sju forskere fra Microsoft FORGE Lab manuelt hvert gjenværende funn før rapportene ble sendt til vedlikeholderne gjennom GitHubs private rapportering av sårbarheter.
Vedlikeholderne tok i bruk de foreslåtte oppdateringene
Ifølge GitHub ble de første rettelsene lansert omtrent en uke etter den første skanningen. Vedlikeholderne av Caddy rettet alle de 22 rapportene de mottok, på en uke eller mindre. ImageMagick, som vedlikeholdes av to personer, mottok også 22 rapporter. I ett tilfelle la vedlikeholderne ut en rettelse etter 15 minutter, da et sammendrag identifiserte de nøyaktige kodelinjene og viste at et problem som så kjent ut, var annerledes.
Hos AutoGPT kom en rapport tre dager etter at vedlikeholderne hadde lansert en kontroll som ikke fungerte, og viste til riktig linje. De gikk lenger enn den foreslåtte oppdateringen med rettelsen, skrev den i løpet av én dag og hadde den i produksjon mindre enn en uke senere. I løpet av piloten brukte vedlikeholderne noen av de foreslåtte rettelsene slik de var skrevet, mens de tilpasset andre.
En vedlikeholder av Netty beskrev den gjenværende begrensningen: «Å finne sårbarheter er ikke lenger flaskehalsen vår. Det vanskelige er å rette dem, og det avhenger av vedlikeholderne.»
Videre utvidelse avhenger av kapasiteten til gjennomgang
GitHub beskrev utvalget av prosjekter som lite, konklusjonene som tidlige erfaringer og den manuelle gjennomgangen som foreløpig ikke skalerbar. Forskerne brukte omtrent to dager per prosjekt på å kontrollere funnene for hånd. Rapporter av lav kvalitet når fortsatt fram til vedlikeholderne hver dag.
GitHub pekte også på testing av CI/CD i private forgreninger og vedlikeholdernes tilgang til modeller med cybersikkerhetskompetanse som udekkede behov. Testene skulle kontrollere rettelser i private forgreninger, og tilgang til modellene skulle hjelpe vedlikeholderne med å verifisere et konseptbevis både før og etter utbedring. GitHubs anbefalte standard for KI-genererte rapporter er å kontrollere hvert funn opp mot prosjektets eksisterende kunnskap, trusselmodell og sikkerhetspolicy, rapportere privat, inkludere et forslag til rettelse og la vedlikeholderne bestemme tempoet.
GitHub planlegger å ta med seg disse erfaringene inn i privat rapportering av sårbarheter og sikkerhetsvarsler. Selskapet vil tilby KI-sikkerhetsskanninger der funnene kontrolleres før de rapporteres privat, samt GitHub Copilot Max, til alle tidligere deltakerprosjekter i GitHub Secure Open Source Fund og utvide støtten til framtidige kull i fondet. GitHub og Microsoft arbeider også med å utvide forskergjennomgangen og samtidig bevare disse kontrollene.
For rapportering av sårbarheter med KI-støtte er avveiningen i piloten konkret: Automatisering kan redusere en strøm av råfunn til en håndterbar kø av private rapporter, mens ekspertgjennomgang og vedlikeholdernes kontroll avgjør om rapportene fører til oppdateringer. En utvidelse av ordningen avhenger av at denne standarden opprettholdes uten at sorteringsbyrden igjen legges på vedlikeholderne.












