Почему следующий хакер может оказаться не человеком

Запускаем ежемесячную авторскую колонку Аббоса Рихсиева для The Tech о современных угрозах и технологиях в сфере кибербезопасности.

В первом выпуске — о том, как искусственный интеллект меняет поиск уязвимостей и почему он становится одновременно главным защитником и новым инструментом атакующих.

Аббос Рихсиев, город — Ташкент, Chief Growth Officer в Cerberus, LinkedIn

Как искусственный интеллект научился искать дыры в чужих программах и делает это лучше нас.

Еще несколько лет назад поиск уязвимостей в программах считался работой для узкого круга специалистов. Найти рабочую дыру в популярном софте могли только те, кто годами читал чужой код и хорошо разбирался в устройстве систем. В 2025 и 2026 годах этот порог рухнул. ИИ научился находить уязвимости самостоятельно, без человеческого сопровождения, за считанные минуты и почти без затрат, а сегодня все большему числу компаний приходится пересматривать свои подходы к кибербезопасности.

Долгая история одной идеи

Мечта о программе, которая сама находит дыры в чужом коде, появилась не вчера. Еще в апреле 1995 года в интернете вышел сканер SATAN — Security Administrator’s Tool for Analyzing Networks. Тогда его появление наделало много шума: газеты и телевидение писали о нем как о почти зловещем изобретении, способном отдать в чужие руки любую сеть.

В 1998 году появился Nessus, а следом — российский XSpider. Эти программы умели сканировать сети и проверять их на уже известные проблемы: открытые порты, устаревшие версии программ, типовые ошибки настройки. По сути, это были огромные списки готовых правил, которые сверяли систему с базой уже описанных кем-то дыр.

Но ни один из этих инструментов не умел главного — находить принципиально новую уязвимость, о которой раньше никто не знал. Для этого программе нужно было бы «понимать» логику кода примерно так же, как ее понимает опытный разработчик. Еще несколько лет назад такая идея всерьез не рассматривалась — это звучало как фантастика.

Перелом наметился, когда языковые модели только-только научились уверенно писать письма, составлять презентации и вести переписку. Мысль о том, что похожая технология сможет самостоятельно читать чужой исходный код и находить в нем логические ошибки, еще казалась преувеличением. Большинство специалистов по безопасности относились к ней скептически.

Ситуация начала меняться с приходом моделей нового поколения, таких как GPT-5 и Claude, способных не просто отвечать на вопросы, а рассуждать шаг за шагом и удерживать в поле внимания тысячи строк кода одновременно. Первые эксперименты быстро показали: задача не только решаема, но решается значительно быстрее, чем ожидали сами разработчики.

С чего все началось

Первый громкий случай произошел в октябре 2024 года. Google запустила эксперимент Big Sleep, чтобы проверить, сможет ли ИИ самостоятельно найти уязвимость в реальной программе. Для теста выбрали SQLite — одну из самых распространенных баз данных в мире.

Уже через несколько дней модель обнаружила неизвестную ранее уязвимость. Патч выпустили в тот же день, а СМИ назвали это «первым случаем в истории».

Прошло полтора года — и то, что тогда казалось сенсацией, стало обычной практикой. Сегодня ИИ регулярно находит новые уязвимости быстрее людей, а подобных случаев уже сотни.

История с браузером Firefox

Компания Anthropic, разработчик языковой модели Claude, договорилась с Mozilla — создателями браузера Firefox — провести совместный эксперимент. Модель получила доступ к исходному коду браузера и начала изучать его сама, без человеческого сопровождения.

Первую серьезную уязвимость она нашла через 20 минут. Пока люди из Anthropic писали отчет и проверяли находку, ИИ обнаружил еще полсотни подозрительных мест. За две недели модель просмотрела около 6000 файлов. Mozilla в итоге подтвердила 22 настоящие уязвимости, 14 из которых — критические. Это почти пятая часть всех критических дыр, которые Firefox исправил за весь предыдущий год.

Одну из уязвимостей эксперты оценили как максимально опасную — почти 10 баллов из 10 по международной шкале серьезности. Через нее гипотетический злоумышленник мог захватить чужой компьютер. Нашел ее тоже не человек.

Особенно впечатляет цена. Вся работа — с поиском, проверкой и написанием отчетов — обошлась примерно в $4000. Меньше, чем стоило бы нанять одного багхантера на две недели.

Соревнование в Лас-Вегасе

За полгода до истории с Firefox, летом 2025 года, американское оборонное агентство DARPA организовало соревнование, звучащее как сценарий научной фантастики. Семь команд разработали автономных цифровых охотников за уязвимостями. Задача — найти как можно больше дыр в критическом программном обеспечении, которое используется в реальном мире: в ядре операционной системы Linux, в базах данных, в утилитах, отвечающих за передачу данных по интернету.

Общий объем кода, который системы прочесали — 54 миллиона строк. Столько же примерно во всей русской классической литературе, если сложить Толстого, Достоевского, Чехова и Гоголя, а потом умножить на двадцать. За 143 часа автономной работы, без единой команды от человека, участники нашли восемнадцать неизвестных ранее уязвимостей в реальном софте.

Победитель получил $4000. Средняя стоимость обработки одной задачи — сто пятьдесят два доллара. Директор DARPA Стивен Уинчелл прокомментировал это без пафоса: «Мы живем в мире, где цифровая инфраструктура держится на древних деревянных лесах. Проблему такого масштаба человек в одиночку уже не решает».

Кто уже пользуется

Big Sleep из эксперимента давно стал рабочим инструментом Google. Летом 2025 года он нашел дыру в той же SQLite еще до того, как ей воспользовались злоумышленники. По данным компании, атака уже готовилась — но ее опередили. Впервые в истории ИИ не отреагировал на кибератаку, а предотвратил ее.

OpenAI осенью того же года представила собственного цифрового специалиста по кибербезопасности с очаровательным именем Aardvark. За несколько месяцев работы он получил официальный статус нашедшего десяток серьезных уязвимостей в открытом ПО. Стартап XBOW со своим ИИ вышел на первое место в американском рейтинге багхантеров HackerOne, обогнав всех живых конкурентов.

Отдельная история — библиотека c URL. Ей 30 лет, и она стоит внутри едва ли не каждого устройства с интернетом. Ее главный разработчик Даниэль Стенберг рассказал американскому радио NPR в апреле 2026 года простую вещь: за первые три месяца года его команда исправила больше уязвимостей, чем за каждый из двух предыдущих лет целиком. Часть из них — а он сам активно пользуется ИИ — он нашел именно так.

Например, на платформе Cerberus, первого безопасного AI-хакера в мире, используется собственный язык Cerberus Lang, через который описываются действия системы и устанавливаются допустимые границы тестирования. По заявлению разработчиков, такой подход позволяет фиксировать каждый шаг агента и ограничивать выполнение операций, выходящих за рамки согласованного сценария. Подобные механизмы становятся особенно важными по мере того, как автономные инструменты начинают получать доступ не только к исходному коду, но и к рабочим корпоративным системам.

Еще одна показательная история случилась с OpenSSL. Это библиотека, которая обеспечивает шифрование значительной части интернет-трафика — от онлайн-банкинга до государственных сайтов. В январе 2026 года вышел плановый релиз с исправлениями 12 уязвимостей. Автономная система под названием AISLE, никак не связанная с командой OpenSSL, за то же время нашла все 12 — плюс несколько исторических багов, которые тихо жили в коде годами. Речь, напомню, идет об одной из самых тщательно проверенных программ в мире, которую годами изучают тысячи специалистов по безопасности.

Обратная сторона

До этого места сюжет звучит оптимистично. Белые исследователи, ответственное раскрытие информации, все под контролем. Но модели у обеих сторон — у защитников и у атакующих — одни и те же. И вот здесь картина резко меняется.

Осенью 2025 года та же Anthropic зафиксировала первую задокументированную кампанию кибершпионажа, в которой роль оператора взял на себя ИИ. Люди задали цель, а многоступенчатую атаку модель провела уже почти самостоятельно. По данным IBM, каждая шестая утечка данных, зарегистрированная в 2025 году, уже связана с применением ИИ атакующей стороной. Рассылка убедительного фишинга, поддельные видео и голоса, автоматический подбор паролей.

В России картина похожая. По данным «Лаборатории Касперского», каждая третья кибератака на компании в 2026 году начинается с эксплуатации уязвимостей в софте. Общее число дыр в программах за год выросло почти на четверть. Сама компания призналась, что теперь пропускает через собственную ИИ-модель весь свой исходный код — при том, что у нее работают сотни живых экспертов по безопасности.

Десятилетиями индустрия держалась на негласном допущении: чтобы найти рабочую уязвимость в серьезной программе, нужны годы опыта, специальные знания и очень много времени. Круг тех, кто на это способен, был узок именно потому, что порог входа был высоким. Так вот этот порог только что рухнул. Его высоту теперь определяет не человеческая экспертиза, а стоимость машинного времени.

А что делать людям

Пока разработчики моделей и корпоративные службы безопасности бегут наперегонки, у обычного человека появляется одно предельно простое правило. Ставить обновления, как только они приходят. Все и сразу, на смартфон, ноутбук, роутер, приставку. Раньше между появлением заплатки и первой попыткой хакеров ей воспользоваться проходили дни, иногда недели. У пользователя было время. Теперь этого времени нет.

Для компаний правило чуть сложнее, но принципиально то же. Разница между «мы делаем ревью кода вручную» и «мы прогоняем каждое серьезное изменение через языковую модель» очень скоро превратится в разницу между защитой и ее отсутствием. Не потому, что живой специалист хуже машины. А потому что при таком темпе никакой живой специалист не успеет прочитать все, что нужно прочитать.

Хакер-человек, разумеется, никуда не денется. Специалист, который знает конкретную цель, умеет играть на человеческих слабостях и способен принять нестандартное решение, еще долго будет частью реальных сценариев. Но все, что раньше делало людей уникальными в этой профессии, терпение, часы чтения чужого кода, поиск неочевидных ходов параллельно теперь делают модели. Иногда лучше. Почти всегда быстрее.

Настоящий вопрос теперь не в том, будет ли следующий громкий взлом делать ИИ. Он уже делает. Вопрос в том, кто до него добежит первым — тот, кто атакует, или тот, кто защищает. И на этот вопрос каждая компания сейчас отвечает для себя сама. Даже те, кто еще этого не осознал.