Опасения по поводу того, что передовые ИИ-модели, способные находить уязвимости в программном обеспечении, приведут к массовой эксплуатации этих ошибок киберпреступниками, пока не подтверждаются. Анализ проекта Glasswing компании Anthropic показал, что злоумышленники использовали менее 0,5% уязвимостей, обнаруженных с помощью ИИ.
Исследователь VulnCheck Патрик Гэррити (Patrick Garrity) выяснил, что из 225 официально зарегистрированных уязвимостей с номерами CVE, которые удалось связать с проектом Glasswing через открытые источники, в атаках была использована только одна. Гэррити начал отслеживать уязвимости, обнаруженные и зарегистрированные в рамках инициативы, вскоре после её запуска Anthropic в апреле.
Компания ранее предупреждала, что открытый доступ к передовой модели Mythos может быть связан с повышенными рисками из-за её высокой эффективности при поиске уязвимостей. Поэтому предварительную версию системы предоставили только проверенным партнёрам Anthropic.
Исследователь учитывал в своём реестре только официально зарегистрированные в рамках Glasswing ошибки и сопоставлял их с данными об уязвимостях, которые реально используются злоумышленниками. По состоянию на 21 сентября из 225 уязвимостей эксплуатировалась только одна. Ею оказалась критическая SQL-инъекция в платформе Ghost, получившая идентификатор CVE-2026-26980.
Полученные данные указывают на заметную разницу между способностью ИИ находить уязвимости и практической ценностью этих ошибок для злоумышленников. По оценке Гэррити, обнаруженные Anthropic уязвимости пока не продемонстрировали существенно большего влияния, чем случайная выборка других программных ошибок.
При этом современные ИИ-модели пока значительно хуже справляются с устранением найденных уязвимостей, чем с их обнаружением. Исследователи лаборатории Off-by-1 компании 1Password установили, что OpenAI GPT-5.5 и Anthropic Opus 4.8 полностью устраняли уязвимость только в 26% случаев. Ещё в 54% ситуаций модели либо не решали исходную проблему, либо создавали новую уязвимость, либо допускали оба варианта одновременно.
Таким образом, ИИ уже заметно снизил порог входа в поиск уязвимостей, однако последующие этапы работы с ними по-прежнему требуют значительного участия специалистов. Речь идёт о координации, определении приоритетов, исправлении ошибок и развёртывании патчей. Опыт Glasswing также показывает, что высокая эффективность ИИ при поиске уязвимостей сама по себе ещё не означает их массового использования в реальных атаках.
Исследователь VulnCheck Патрик Гэррити (Patrick Garrity) выяснил, что из 225 официально зарегистрированных уязвимостей с номерами CVE, которые удалось связать с проектом Glasswing через открытые источники, в атаках была использована только одна. Гэррити начал отслеживать уязвимости, обнаруженные и зарегистрированные в рамках инициативы, вскоре после её запуска Anthropic в апреле.
Компания ранее предупреждала, что открытый доступ к передовой модели Mythos может быть связан с повышенными рисками из-за её высокой эффективности при поиске уязвимостей. Поэтому предварительную версию системы предоставили только проверенным партнёрам Anthropic.
Исследователь учитывал в своём реестре только официально зарегистрированные в рамках Glasswing ошибки и сопоставлял их с данными об уязвимостях, которые реально используются злоумышленниками. По состоянию на 21 сентября из 225 уязвимостей эксплуатировалась только одна. Ею оказалась критическая SQL-инъекция в платформе Ghost, получившая идентификатор CVE-2026-26980.
Полученные данные указывают на заметную разницу между способностью ИИ находить уязвимости и практической ценностью этих ошибок для злоумышленников. По оценке Гэррити, обнаруженные Anthropic уязвимости пока не продемонстрировали существенно большего влияния, чем случайная выборка других программных ошибок.
При этом современные ИИ-модели пока значительно хуже справляются с устранением найденных уязвимостей, чем с их обнаружением. Исследователи лаборатории Off-by-1 компании 1Password установили, что OpenAI GPT-5.5 и Anthropic Opus 4.8 полностью устраняли уязвимость только в 26% случаев. Ещё в 54% ситуаций модели либо не решали исходную проблему, либо создавали новую уязвимость, либо допускали оба варианта одновременно.
Таким образом, ИИ уже заметно снизил порог входа в поиск уязвимостей, однако последующие этапы работы с ними по-прежнему требуют значительного участия специалистов. Речь идёт о координации, определении приоритетов, исправлении ошибок и развёртывании патчей. Опыт Glasswing также показывает, что высокая эффективность ИИ при поиске уязвимостей сама по себе ещё не означает их массового использования в реальных атаках.
