AI hittar fler sårbarheter, men åtgärdandet släpar efter

AI hjälper säkerhetsteam att upptäcka sårbarheter snabbare, men TechRadar rapporterar att validering, prioritering och åtgärdande inte håller jämna steg.

Under det senaste året minskade teamen på plattformen tiden för att åtgärda en kritisk sårbarhet med ungefär 50 procent. Under samma period växte deras backlogg av olösta kritiska sårbarheter nästan 29 gånger. Siffrorna kan förekomma samtidigt när upptäckten går snabbare än åtgärdandet och ingenjörskapaciteten.

AI-modeller kan läsa kod och söka igenom tusentals tillgångar efter välkända sårbarhetsmönster. Varje fynd måste dock fortfarande bekräftas, bedömas utifrån allvarlighetsgrad och granskas i den miljö där tekniken körs. Därefter måste det nå rätt ingenjörsteam, konkurrera med befintliga prioriteringar, åtgärdas och testas på nytt.

TechRadar beskriver Continuous Threat Exposure Management (CTEM) som en process för att förstå attackytan, hitta svagheter, verifiera vilka som faktiskt kan utnyttjas och styra åtgärderna mot den största affärsrisken.

Mänsklig bedömning är fortfarande viktig eftersom företagen vet vilka tjänster som skapar intäkter, var reglerade data finns och vilka skyddsåtgärder som redan används. Forskare hjälper också till att hitta angreppsvägar som uppstår genom flera svagheter. Enligt artikeln tjänade forskare mer än 47 miljoner dollar på H1 Platform under årets första hälft, en ökning med mer än 25 procent jämfört med året innan. TechRadar påpekar att högre sammanlagda intäkter inte betyder att alla forskare gynnas lika mycket när AI tar över rutinmässiga fynd.