Непрерывный AI-пентест: быстрее атак и дешевле людей

Что в ролике
Классический пентест раз в полгода перестал закрывать риски: атакующие используют те же LLM и доводят атаку до взлома в среднем за 24–34 минуты, а рекорд — 4 минуты. По данным Snyk, объём кода вырос на 218% на разработчика, 85% разработчиков работают с кодинг-агентами, а 62% сгенерированного ими кода небезопасно. Традиционный SAST находит SQL-инъекции и XSS, DAST проверяет работающее приложение и авторизацию, но бизнес-логику понимал только человек-пентестер. Из-за дороговизны такого эксперта компании проводили пентест всего пару раз в год. Snyk отвечает продуктом EVO, который запускает цепочку LLM-агентов на каждый PR и каждое изменение кода. В цепочке есть оркестратор, разведка API и эндпоинтов, агенты тестирования уязвимостей и валидатор эксплуатируемости. Отдельные агенты отвечают за исправление и отчёт, а контекст от статического и динамического сканеров помогает LLM снижать ложные срабатывания. Спикер советует проверять любые решения по четырём критериям: непрерывность запуска, понимание бизнес-контекста, способность принимать дополнительный контекст и доказательство эксплуатируемости, а не просто флаг 'баг'.
Практика
- Что получишь
- Понимание, почему разовых пентестов недостаточно, и список из четырёх вопросов для оценки инструментов непрерывного AI-пентеста.
- Первый шаг
- Сравнить свою текущую частоту тестирования и покрытие бизнес-логики, затем прогнать кандидатов по четырём вопросам из доклада.
- Цифры
- —218% — на столько вырос объём кода на разработчика по данным Snyk
- —85% — доля разработчиков, которые уже используют кодинг-агентов
- —62% — доля небезопасного или сломанного кода, который генерируют LLM
- —4 минуты — самый быстрый зафиксированный успешный AI-взлом системы
- Честно
- Это продуктовый доклад Snyk: спикер — field CTO Snyk, приглашает к стенду, и часть цифр основана на внутренних данных компании без внешней проверки. Архитектура агентов описана на уровне схемы, воспроизводимых настроек или кода нет.
Если слова незнакомы — 5 терминов
- LLMбольшая языковая модель, например GPT или Claude, которая понимает и генерирует текст
- SASTстатический анализ исходного кода для поиска уязвимостей до запуска приложения
- DASTдинамическое тестирование работающего приложения путём отправки запросов
- пентестимитация атаки на систему, чтобы найти уязвимости, которые может использовать реальный злоумышленник
- PRзапрос на слияние изменений кода в основную ветку
Компоненты
3 шт.Формат: разбор · для практикующих · уверенность разметки 0.9 · источник