AI ใช้ประโยชน์จากจุดอ่อนได้อย่างถูกต้อง โดยไม่สนใจแบบจำลองความเสี่ยง ตามรายงาน

บริษัทสตาร์ทอัพด้านความปลอดภัย AI ระบุว่าเอเย่นต์อัตโนมัติของตนสามารถเปลี่ยนจุดอ่อนซอฟต์แวร์ที่เปิดเผยเป็นข้อผิดพลาดที่ได้รับการยืนยัน โดยใช้เวลาประมาณ 11 นาที และมีค่าใช้จ่ายเฉลี่ย 2.83 ดอลลาร์สหรัฐฯ ต่อข้อผิดพลาด และจุดอ่อนที่เอเย่นต์สามารถแก้ไขได้ง่ายที่สุดคือจุดอ่อนที่โปรแกรมการแพตช์ขององค์กรหลายแห่งถูกบอกให้ข้ามไป

การอ้างสิทธิ์นี้มาจาก Quantro Security บริษัทในนิวยอร์กที่ก่อตั้งโดยผู้เชี่ยวชาญจาก CrowdStrike (CRWD ) Tenable และ Qualys ซึ่งขายแพลตฟอร์มการจัดการความเสี่ยงด้านความปลอดภัยที่ขับเคลื่อนด้วย AI รายงานของ Quantro เศรษฐศาสตร์ของการเอาเปรียบจุดอ่อนด้วย AI ผลิตโดย Vulnerability Research Labs หน่วยงานภายใน โดยมีข้อมูลจุดอ่อนที่ได้รับจาก Loginsoft โดยทั่วไปแล้ว บริษัทรายงานว่าเอเย่นต์อัตโนมัติ “Exploit Harness” ของตนสร้างข้อผิดพลาดที่ได้รับการยืนยันสำหรับ 2,183 ใน 3,029 CVE ที่เผยแพร่ – อัตราความสำเร็จ 72% – โดยมีค่าใช้จ่ายเฉลี่ย 2.83 ดอลลาร์สหรัฐฯ และใช้เวลา 11 นาทีในการสร้างข้อผิดพลาดที่ได้รับการยืนยัน

การนำเสนอนี้เป็นการนำเสนอผลิตภัณฑ์ของ Quantro เช่นเดียวกับการค้นพบของพวกเขา ในช่วงสามทศวรรษที่ผ่านมา อุปสรรคที่เป็นรูปธรรมในการปกป้องจุดอ่อนที่เปิดเผยคือแรงงาน: การเขียนข้อผิดพลาดที่เชื่อถือได้ต้องใช้นักวิจัยที่มีทักษะหลายวันหรือหลายสัปดาห์ ดังนั้นจุดอ่อนเพียงเศษเสี้ยวเท่านั้นที่ถูกใช้ประโยชน์ “เมื่อต้นทุนการเอาเปรียบมีราคาเพียงค่าหนึ่งถ้วยกาแฟ และใช้เวลาไม่ถึงหนึ่งในสี่ของชั่วโมง ‘ไม่น่าจะถูกเอาเปรียบ’ ไม่ได้หมายความว่าปลอดภัยอีกต่อไป” Mehul Revankar ผู้บริหารระดับสูงด้านผลิตภัณฑ์ของบริษัทกล่าว ในประกาศรายงาน

จุดอ่อนที่ทีมถูกบอกให้ข้าม

การอ้างสิทธิ์ที่ชัดเจนยิ่งขึ้นคือเกี่ยวกับจุดอ่อนที่เอเย่นต์พบว่าสามารถแก้ไขได้ง่าย ตามรายงาน 73% ของ CVE ที่สามารถเอาเปรียบได้ด้วย AI มีคะแนน Exploit Prediction Scoring System ต่ำกว่า 0.25 ซึ่งเป็นแบบจำลองที่ประเมินความน่าจะเป็นที่จุดอ่อนจะถูกเอาเปรียบใน 30 วัน และคะแนนที่ต่ำขนาดนี้คือจุดที่หลายโปรแกรมการจัดการจุดอ่อนบอกทีมให้ลดความสำคัญของการแพตช์ Quantro ยังระบุด้วยว่า 1,933 ในจุดอ่อนที่สามารถเอาเปรียบได้ (89%) ไม่ปรากฏในแค็ตตาล็อก Known Exploited Vulnerabilities ของหน่วยงานด้านความปลอดภัยของสหรัฐฯ ซึ่งเป็นรายการอ้างอิงที่มีจุดอ่อนที่ได้รับการยืนยันว่าถูกโจมตี

ทั้งสองสัญญาณถูกสร้างขึ้นเพื่อตอบคำถามของมนุษย์: มีใครพยายามเอาเปรียบจุดอ่อนนี้หรือไม่? Quantro ให้เหตุผลว่าตอนนี้พวกเขาพลาดอีกคำถามหนึ่ง “คำถามที่ผู้ป้องกันต้องถามคือ ‘เอเย่นต์ AI สามารถเอาเปรียบจุดอ่อนนี้ได้โดยอัตโนมัติหรือไม่?'” ซีอีโอ Sasan Padidar กล่าว วิธีแก้ปัญหาที่เสนอโดย Quantro คือการรักษาสัญญาณการเอาเปรียบ AI เป็นสัญญาณการจัดลำดับความสำคัญ – สิ่งที่แพลตฟอร์มของตนขาย

สิ่งที่ตัวเลขแสดงและไม่แสดง

สองสิ่งทำให้การอ้างสิทธิ์ลดลง การวิจัยนี้มาจากผู้ขาย โดยวัดทฤษฎีของผู้ขายด้วยเครื่องมือของผู้ขาย ซึ่งเป็นจุดที่รายงานระบุไว้อย่างชัดเจน และไม่ใช่การทำงาน zero-day: จุดอ่อนทั้งหมดที่ศึกษาเป็น CVE ที่เผยแพร่และได้รับการแจ้งเตือนสาธารณะ ดังนั้นการศึกษาจึงวัดว่า AI สามารถเอาเปรียบจุดอ่อนที่มีอยู่แล้วได้อย่างถูกต้องเพียงใด – ไม่ใช่ว่าสามารถค้นหาสิ่งใหม่ๆ ได้หรือไม่ ชุดข้อมูลยังเอียงไปที่จุดอ่อนที่สามารถสร้างขึ้นใหม่ภายในคอนเทนเนอร์ โดยไม่รวมจุดอ่อนที่ต้องการฮาร์ดแวร์หรือซอฟต์แวร์เชิงพาณิชย์ที่ได้รับอนุญาต

การทำงานอัตโนมัติมีเครื่องหมายดอกจันเช่นกัน Quantro ระบุว่าตัวยืนยันแบบกำหนดได้ – ไม่ใช่การอ้างสิทธิ์ของแบบจำลอง – ยืนยันว่าข้อผิดพลาดทุกอย่างเกิดขึ้น โดยมีการควบคุมเพื่อกรองผลลัพธ์เชิงลบ จาก 998 ข้อผิดพลาดที่ Quantro ตรวจสอบด้วยตนเอง 234 ข้อ (หรือประมาณหนึ่งในสี่) ต้องการให้มนุษย์แก้ไขโค้ดที่ AI สร้างขึ้นก่อนที่จะยืนยัน ตัวเลขครอบคลุมช่วงเวลาเมษายน-มิถุนายน 2026 ซึ่งบริษัทเรียกว่า “พื้น” มากกว่าอัตราที่ตายตัว

การแก้ไขนี้มีทั้งสองด้าน การทดสอบอิสระได้แสดงให้เห็นถึงช่องว่างระหว่างสิ่งที่เอเย่นต์สามารถทำได้กับจุดอ่อนที่อธิบายไว้อย่างดีและความสำเร็จที่ได้รับเมื่อเผชิญกับ เป้าหมายใหม่ๆ ที่แท้จริง – เมื่อใกล้เคียงกับการค้นพบมากขึ้น อัตราความสำเร็จก็ลดลง

ส่วนที่ไม่ใช่สมมติฐาน

ทิศทางที่ Quantro วัดได้ปรากฏชัดเจนแล้วนอกห้องปฏิบัติการ Google’s Threat Intelligence Group รายงานในเดือนพฤษภาคม 2026 ว่าได้ระบุการเอาเปรียบ zero-day ที่เชื่อว่าสร้างขึ้นโดย AI – การข้ามการตรวจสอบการรับรองความถูกต้องสองขั้นตอนในเครื่องมือการบริหารที่เปิด源ที่กลุ่มอาชญากรวางแผนจะใช้ในแคมเปญการเอาเปรียบจำนวนมาก รายงานเดียวกันระบุกลุ่มที่เชื่อมโยงกับเกาหลีเหนือที่ยิงคำสั่งอัตโนมัติหลายพันคำสั่งเพื่อวิเคราะห์ CVE และตรวจสอบข้อผิดพลาดที่ได้รับการยืนยัน โดยรวบรวมคลังอาวุธที่นักวิเคราะห์กล่าวว่าไม่สมจริงที่จะจัดการด้วยตนเอง รายงานของผู้ขายตลอดทั้งปีได้ติดตามการเปลี่ยนแปลงที่คล้ายกันของ AI จากผู้ช่วยไปสู่ผู้ดำเนินการเชิงรุก

พร้อมกับรายงาน Quantro กำลังเปิดตัวเครื่องมือฟรีสองชิ้น: AI-XI ซึ่งให้คะแนน CVE ที่ส่งเข้ามาจาก 1 ถึง 5 ตามความง่ายดายที่เอเย่นต์สามารถใช้ประโยชน์ได้ และ AI-Recon ซึ่งสร้างแผนที่บริการที่เปิดเผยขององค์กรกับแค็ตตาล็อกข้อผิดพลาดที่ได้รับการยืนยันของห้องปฏิบัติการ ทั้งสองทำงานบนแพลตฟอร์มเดียวกับที่อยู่เบื้องหลังผลิตภัณฑ์ที่มีรายได้ของบริษัท ดังนั้นจึงทำงานเป็นทั้งการแสดงและช่องทางการขายในเวลาเดียวกัน การให้เหตุผลในการจัดลำดับความสำคัญไม่ต้องซื้ออะไร; Quantro ได้เผยแพร่ชุดข้อมูล CVE ต่อชุดข้อมูล ซึ่งเป็นการตอบสนองที่มีประโยชน์มากกว่าสำหรับผู้ป้องกันการรับ 72% ของผู้ขายใดผู้ขายหนึ่งโดยไม่ต้องมีหลักฐาน