Четыре лаборатории показали одинаковый подход к ИИ-поиску уязвимостей: найти, опровергнуть, исправить

Anthropic, OpenAI, Cloudflare и Google практически одновременно пришли к единой архитектуре для ИИ-агентов, которые ищут уязвимости в исходном коде. Ключевой принцип — разделение обязанностей: агент, сообщивший о находке, никогда не подтверждает её сам. Вместо этого независимый верификатор пытается опровергнуть каждое утверждение, и только прошедшие проверку баги получают исправление.

Причина такого единообразия — борьба с шумом. По оценке команды безопасности Google, небрежное ИИ-сканирование генерирует галлюцинаторные баги и показывает долю истинно положительных срабатываний ниже 7%. Сканер, который ошибается в 93% случаев, отнимает у ревьюеров больше времени, чем экономит.

Решением стало отделение этапа подтверждения от этапа обнаружения. Второй драйвер — наступательные возможности моделей. В Anthropic прямо заявили, что создавали свой сканер отчасти потому, что злоумышленники уже применяют ИИ для поиска эксплуатируемых уязвимостей.

Google начинает описание Mantis с замечания, что модели теперь способны находить и использовать баги практически без помощи человека. Инструмент Anthropic под названием Claude Security работает как плагин внутри сессии Claude Code. Он не требует отдельного API-ключа и не совершает собственных вызовов модели — сканирование расходует лимиты тарифного плана Claude.

Плагин предлагает три задачи: просканировать кодовую базу, проверить изменения или предложить патчи. Результат — отчёт в Markdown и файл SARIF 2.1.0 для GitHub. Патчи сохраняются в виде отдельных файлов, но плагин никогда не коммитит, не пушит и не открывает пул-реквесты самостоятельно.

OpenAI выпустила Codex Security как CLI и TypeScript SDK под лицензией Apache-2.0, однако сам сканер остаётся проприетарным и доступен только одобренным заказчикам в ограниченной бете. Инструмент умеет сканировать репозиторий целиком, выбранные пути или Git diff, а флаг –mode deep запускает параллельных рабочих для обнаружения. Отдельная команда cs policy генерирует файл SECURITY.md, описывающий, что считать уязвимостью в конкретном проекте.

В качестве провайдеров, помимо OpenAI, заявлены Amazon Bedrock, OpenRouter и Fireworks AI. Cloudflare опубликовала Security Audit Skill под лицензией MIT — это скилл, который превращает любого способного кодинг-агента с поддержкой параллельных под-агентов в аудитора безопасности. Процесс состоит из шести фаз: разведка архитектуры, охота по единицам покрытия с критиками пропусков, валидация кандидатов свежим верификатором, структурированный вывод в findings.json, независимая перепроверка записей и генерация отчёта.

Скилл требует изолированное окружение без внешней сети; без него найденные уязвимости остаются в статусе needs_validation. Cloudflare также раскрыла статистику внутреннего использования: на 128 репозиториях харнес сгенерировал 20 799 сырых кандидатов, из которых около 12 057 пережили валидацию. После дедупликации и отсева инженерным командам направлено 7 245 actionable-находок.

Улучшение контекста разведки снизило долю отклонений с первой попытки с 40% до 11%. Для обнаружения и триажа Cloudflare использует разные модели, чтобы они проверяли друг друга. Google представила Mantis — набор скиллов для security-ревью и эталонный харнес под лицензией Apache-2.0.

Отличительная черта — воспроизведение уязвимостей в песочнице: от статичного скетча эксплойта до юнит-теста или мок-сервера. Патчи проходят через состязательный цикл, который атакует исправление. Mantis также калибрует критичность по рубрике, чтобы избежать потока ложных «critical», и строит иерархическое дерево суммаризации файлов, сокращающее расход токенов более чем на 85%.

Отдельный скилл mantis-advise передаёт полученные знания обратно в процесс генерации кода. Все четыре инструмента сходятся в главном: поиск, независимое опровержение и только затем патч. Различаются они средой запуска, лицензионной чистотой клиентской части и глубиной доказательной базы.

Cloudflare предлагает самый открытый и не привязанный к вендору подход, Google делает ставку на изолированное воспроизведение, OpenAI сохраняет контроль над бэкендом, а Anthropic встраивает аудит прямо в среду разработки.