#NoticiasIBO #vulnerabilidades #software #investigación

La investigación analiza cómo la IA de frontera está acelerando el descubrimiento, la validación y la seguridad de vulnerabilidades de software a una escala sin precedentes.

Durante una evaluación de dos meses, NOVA analizó 3.915 proyectos de software de código abierto e identificó 14.090 vulnerabilidades previamente desconocidas, de las cuales el 99,4% no habían sido reportadas públicamente. Casi el 40% de los hallazgos fueron clasificados como de severidad Alta o Crítica según CVSS 4.0.

Palo Alto Networks publicó esta nueva investigación en la que presenta Network and Open-Source Vulnerability Analyzer (NOVA), un sistema totalmente autónomo de investigación de vulnerabilidades impulsado por IA, diseñado para descubrir, validar y documentar vulnerabilidades de software previamente desconocidas.

El informe sostiene que la IA de frontera está cambiando fundamentalmente la investigación de vulnerabilidades al reducir drásticamente el tiempo necesario para identificar fallas de software. En lugar de limitarse a apoyar tareas individuales, los sistemas autónomos de IA son cada vez más capaces de llevar a cabo de manera independiente gran parte del proceso, desde analizar código fuente e identificar posibles fallas, hasta generar exploits de prueba de concepto (PoC), validar hallazgos y preparar materiales para su divulgación.

Principales hallazgos

NOVA realiza gran parte del ciclo de investigación de vulnerabilidades mediante una arquitectura multiagente que puede:

Revisar repositorios de software y analizar código fuente.

Identificar y priorizar posibles vulnerabilidades.

Generar y validar exploits de prueba de concepto.

Elaborar informes de divulgación para los responsables del mantenimiento del software.

Generar posibles parches y recomendaciones de defensa.

El análisis también destaca los beneficios de utilizar múltiples modelos de IA en conjunto. Durante las pruebas, cada modelo identificó vulnerabilidades que los otros modelos no detectaron, lo que sugiere que diferentes modelos se especializan en distintos aspectos del análisis de código. La investigación concluye que combinar múltiples modelos de frontera mejora la cobertura general de brechas de seguridad, especialmente en proyectos de software más grandes y complejos.

Otro hallazgo clave está relacionado con los tipos de vulnerabilidades que la IA fue capaz de identificar. Mientras que las técnicas automatizadas anteriores se han enfocado principalmente en la corrupción de memoria y otros errores que pueden detectarse mediante fuzzing, el 92% de los hallazgos de NOVA correspondieron a categorías más amplias de vulnerabilidades de lógica y semántica, incluyendo fallas de control de acceso y autorización, path traversal, inyección de código, prototype pollution y falsificación de solicitudes del lado del servidor (SSRF). Esto sugiere que la IA de frontera es cada vez más capaz de identificar clases de vulnerabilidades que tradicionalmente han dependido en mayor medida del análisis manual.

La investigación también analizó la exposición de la cadena de suministro de software. NOVA identificó 5.421 hallazgos relacionados con la cadena de suministro, incluyendo 1.280 vulnerabilidades en paquetes de dependencias que provocaron 4.141 exposiciones de software posteriores. De estas, 2.776 rutas de exposición posteriores fueron validadas mediante exploits de prueba de concepto funcionales, lo que demuestra cómo las vulnerabilidades presentes en componentes de código abierto ampliamente utilizados pueden afectar a una gran cantidad de aplicaciones que dependen de ellos.

El panorama general

La investigación apunta a un cambio más amplio en la ciberseguridad a medida que la IA acelera el ritmo del descubrimiento de vulnerabilidades. A medida que las fallas de software pueden identificarse y validarse cada vez más en días en lugar de meses, el tiempo disponible para que las organizaciones evalúen los riesgos e implementen medidas de mitigación podría seguir reduciéndose.

Los hallazgos también sugieren que el descubrimiento de vulnerabilidades se está convirtiendo en solo una parte de un desafío de seguridad más amplio. A medida que aumentan el volumen y la velocidad de detección, las organizaciones podrían necesitar procesos más rápidos de validación, divulgación coordinada y mitigación para reducir la exposición antes de que estén disponibles las actualizaciones oficiales del software.

Al mismo tiempo, el informe enfatiza que la experiencia humana sigue siendo una parte esencial del proceso. Si bien la IA puede acelerar significativamente el análisis de código y la investigación de vulnerabilidades, los expertos en seguridad continúan desempeñando un papel importante en la validación de los hallazgos, la priorización de riesgos, la gestión de la divulgación responsable y el desarrollo de estrategias de mitigación.

En general, la investigación presenta el descubrimiento autónomo de vulnerabilidades como una capacidad emergente que podría transformar tanto la investigación de seguridad de software como la ciberseguridad defensiva, al tiempo que destaca la necesidad de que las organizaciones se adapten a plazos cada vez más reducidos entre el descubrimiento de una vulnerabilidad, su divulgación y una posible explotación.

Lee el blog completo aquí: Unit 42 – Frontier AI Vulnerability Burst