Tech Threat Lab
TTL

Как оценивать ИИ-агентов для пентеста веб-приложений

Как оценивать ИИ-агентов для пентеста веб-приложений

Эксплуатация уязвимостей всё чаще начинается до появления исправлений. По данным Mandiant M-Trends 2026, в среднем злоумышленники приступают к эксплуатации до того, как патч существует. VulnCheck также указывала: в первом полугодии 2026 года 23% добавленных в её перечень эксплуатируемых уязвимостей использовались в день раскрытия либо ещё до него.

На этом фоне организации рассматривают агентные системы для тестирования на проникновение как способ быстрее проверять веб-приложения. Но демонстрация возможностей агента не отвечает на главный практический вопрос: сможет ли он работать в конкретной среде — проходить аутентификацию, достигать нужных бизнес-процессов, соблюдать границы теста и подтверждать результаты.

ИИ может помочь и атакующим, и защитникам

Google Threat Intelligence Group сообщала о случае, когда злоумышленник использовал эксплойт для уязвимости нулевого дня, который, по оценке исследователей, был разработан с помощью ИИ. Речь шла об обходе двухфакторной аутентификации через логическую ошибку. Такие дефекты могут не попасть в результаты традиционного фаззинга и статического анализа. Ранее TTL рассказывал, что Google предупредила об ускорении анализа патчей и атак с помощью ИИ-агентов.

Опрос руководителей служб безопасности в США показал, что 87% уже используют агентный пентестинг, проводят пилотные проекты или планируют внедрение. Это не означает, что все доступные решения одинаково пригодны для рабочих систем: ключевой вопрос — не качество демонстрации, а результаты на приложении заказчика.

Один агент может находить реальные проблемы, но останавливаться на странице входа. Другой — успешно перемещаться по интерфейсу, но не давать ясного ответа о фактическом охвате тестирования. Третий способен эксплуатировать найденные уязвимости, однако не иметь строгих ограничений для работы с производственной средой. В тестовом контуре поставщика все три сценария могут выглядеть убедительно.

Контекст определяет глубину проверки

До первой атаки тестировщику необходимо изучить сайт: выявить поверхности атаки, связи компонентов и доступные пути в приложении. Эта разведка составляет заметную часть работы при ручном пентесте. Согласно модели CyCognito, на разведку и анализ приходится 20–30 часов из 63–95 часов, необходимых для ручного тестирования.

Подходы ИИ-агентов различаются. Одни начинают с URL и при каждом запуске заново строят карту приложения. Другие используют ранее созданную модель и обновляют её между проверками. При выборе такого инструмента важно установить:

— какие сведения сохраняются между запусками; — что именно переносится в новую проверку; — продолжает ли агент обнаруживать новые разделы, маршруты и поверхности приложения за пределами исходной карты; — служит ли исходная модель приложения отправной точкой, а не ограничением поиска.

Без контекста ИИ-агент фактически действует как более сложный сканер. Контекст позволяет анализировать логику приложения и взаимодействие его компонентов, а не только отдельные технические признаки.

Проверка охвата и воспроизводимости результатов требует также заранее определить, какие журналы и события нужны команде для разбора действий агента. Для самостоятельного изучения заявленных возможностей продукта команда может обратиться к официальной странице Security Capsule SIEM. Само наличие журналирования, однако, не заменяет ограничения теста и независимое подтверждение найденной проблемы.

Telegram · TTL NewsПродолжайте следить за темой в Telegram

Новости информационной безопасности, технологий и государственного регулирования, а также анонсы новых исследований Tech Threat Lab.

Подписаться на TTL News

Различие между поиском технических признаков и анализом контекста иллюстрирует исследование Apache Airflow. ИИ-помощник первоначально оценил поиск уязвимостей как бесперспективный. Однако проверка того, как компоненты развёртывания доверяют друг другу, вместо анализа исходного кода позволила обнаружить неаутентифицированное удалённое выполнение кода — CVE-2026-68982.

Подозрение не равно подтверждённой уязвимости

Обнаруженный подозрительный паттерн ещё не доказывает возможность эксплуатации. При оценке ИИ-пентестинга следует выяснить, использует ли агент найденную гипотезу для проверки, воспроизводит ли результат и предоставляет ли доказательства, которые команда заказчика сможет оценить независимо. Перечень потенциальных проблем без верификации нельзя считать результатом подтверждённого пентеста.

В одном из опубликованных кейсов санкционированного тестирования производственного сайта крупной страховой компании ИИ-агент обнаружил ошибку в процессе запроса одноразового пароля. Коды для входа могли отправляться на произвольный адрес электронной почты. Агент подтвердил проблему, войдя в систему с кодом, поступившим в его собственный почтовый ящик; после этого защитные механизмы остановили тест. По заявлению страховой компании, сайт проверяли пентестом примерно за шесть месяцев до этого случая.

Этот пример не позволяет делать выводы о распространённости подобной ошибки. Но он показывает практическое требование к результатам: агент должен не только указать на аномалию, но и показать воспроизводимый путь её подтверждения в согласованных границах.

Сравнивать на собственной системе, а не по демо

Для выбора поставщика или платформы недостаточно отдельных презентаций. Сопоставимое тестирование имеет смысл проводить на одной цели и в одну неделю, используя для каждого кандидата одинаковые приложение, тестовые учётные записи и согласованный объём работ.

В ходе такой проверки стоит фиксировать как минимум три временные отметки:

— когда был предоставлен доступ; — когда агент завершил обнаружение и построение карты; — когда началось первое тестовое действие.

Оценивать следует не только число находок. Существенными критериями остаются исходный контекст, подтверждение охвата, возможность выстраивать цепочки атак, работа с доступами между ролями, правила обработки данных, ограничения для производственной среды и повторное тестирование после устранения недостатков.

Особое внимание требуется уделить трём вопросам, которые презентация может не раскрыть: достигает ли агент нужных процессов после аутентификации, подтверждает ли он обнаруженные проблемы и способен ли проверять исправления. Также необходимо заранее определить допустимые действия, порядок остановки теста и меры, исключающие выход за согласованные границы.

Практический вывод

Российским организациям, рассматривающим ИИ-агентов для проверки веб-приложений, следует оценивать их в собственном контролируемом контуре и по единым условиям, а не выбирать по демонстрации. Результат следует принимать только при наличии понятного охвата, воспроизводимого подтверждения находок и зафиксированных защитных ограничений для тестовой или производственной среды. Агент, который показывает, что именно он проверил, доказывает обнаруженную проблему и безопасно работает в заданных рамках, полезнее решения с наиболее эффектной демонстрацией.

Security Capsule SIEM · Этап 0

Риски выявлены. Проверьте обнаружение угроз

Проверьте на своей инфраструктуре сбор событий, корреляцию и расследование подозрительной активности.

Этапы тест-драйваСостав проверки и критерии пилота согласуем заранее.