Искусственный интеллект позволил обнаружить десятки ранее неизвестных уязвимостей в программном обеспечении, используемом в сетевом оборудовании, промышленных системах и объектах критической инфраструктуры. Исследование американской компании Forescout показало, что применение общедоступных ИИ-моделей может сократить время анализа программного обеспечения примерно с девяти месяцев до 90 часов.

В ходе эксперимента специалисты выявили 99 уязвимостей в десяти популярных реализациях TCP/IP-стеков - базового программного обеспечения, которое обеспечивает обмен данными между подключенными к сети устройствами. Из обнаруженных проблем 66 ранее не были известны.

Более половины новых уязвимостей — 52%, получили высокую или критическую оценку серьезности. 54 обнаруженные проблемы были переданы разработчикам программного обеспечения и его сопровождающим для дальнейшего устранения.

Результаты представила исследовательская лаборатория Forescout Research — Vedere Labs в докладе «Finding Critical Infrastructure Bugs with Off-the-Shelf AI». О них компания сообщила 12 ноября 2026 года.

Что именно проверял искусственный интеллект

TCP/IP-стек — это набор программных компонентов, обеспечивающих передачу данных между устройствами по сети. Он используется практически повсеместно: от компьютеров и маршрутизаторов до медицинского оборудования, промышленных контроллеров, систем управления зданиями и устройств интернета вещей (IoT).

Уязвимости в таких компонентах особенно опасны, поскольку один и тот же программный код может использоваться в оборудовании разных производителей. Поэтому ошибка в базовом сетевом программном обеспечении потенциально затрагивает сразу множество устройств и систем.

Исследователи проверили десять популярных TCP/IP-стеков, включая семь, которые ранее уже изучались в рамках проекта Project Memoria, и три новых. При этом анализировали как программное обеспечение с открытым исходным кодом, так и закрытые бинарные файлы, для которых исходный код недоступен.

ИИ использовали не просто как чат-бота, которому поручили искать ошибки. Специалисты создали специальную систему, объединяющую модели искусственного интеллекта, инструменты статического анализа кода и механизмы проверки обнаруженных проблем.

Автоматизированный этап занял около 10 часов. Еще примерно 80 часов потребовалось специалистам для динамического тестирования и подтверждения результатов. В итоге 99 потенциальных проблем были подтверждены как реальные уязвимости, из которых 66 оказались ранее неизвестными.

При этом заявленные 90 часов не включают разработку самой системы: создание инструментов, настройку среды тестирования и подготовку инструкций для ИИ потребовали дополнительной работы. Таким образом, речь идет о сокращении времени непосредственного исследования уже подготовленной системой, а не обо всем цикле разработки технологии.

Стоимость автоматизированного статического анализа составила $935. С учетом дополнительных затрат на тестирование исследователи оценили общие расходы на использование моделей в $1200–2300.