Индийские компании в сфере кибербезопасности используют ИИ, чтобы сократить тестирование уязвимостей до часов

Индийские компании в сфере кибербезопасности, включая Indusface и Astra Security, внедряют ИИ-агентов, построенных на больших языковых моделях, чтобы ускорить тестирование уязвимостей в ПО с дней или недель до часов — об этом сообщает The Economic Times. Сдвиг отражает растущую скорость действий злоумышленников и появляющуюся способность ИИ-инструментов автономно выявлять эксплойты, побуждая компании переходить на автоматизированное тестирование, чтобы успевать за меняющимися угрозами.

Ускорение времени тестирования

Крупные оценки безопасности для клиентов, которые раньше занимали четыре-пять дней — или до 20 дней для более крупных приложений — теперь завершаются в течение часов, по словам Ашиша Тандона, генерального директора Indusface. Такое ускорение позволяет командам безопасности быстрее выявлять и устранять уязвимости по мере развития ландшафта угроз.

Скорость атакующего и рост числа уязвимостей

Необходимость проводить более быстрые проверки подкрепляется появляющимися данными о возможностях злоумышленников. CrowdStrike сообщила, что среднее время прорыва атакующего снизилось до 48 минут в 2025 году. Тем временем Gartner прогнозирует, что ежегодно задокументированные уязвимости превысят 1 миллион к 2030 году — по сравнению примерно с 277 000 в 2025 году, то есть почти в четыре раза больше.

Расширение возможностей ИИ

Proofpoint, которая расширила операционную деятельность в Индии в прошлом году, отметила, что ИИ-агенты помогают просматривать тысячи оповещений об угрозах ежедневно. Эта автоматизация решает критически важную проблему: компании сталкиваются с ужесточением требований к данным и дефицитом квалифицированных аналитиков по безопасности. Возможности выходят за рамки первичного разбора оповещений: по данным Anthropic, Claude Mythos Preview обнаружила баг в OpenBSD — открытой операционной системе — который не удавалось выявить в течение 27 лет. Та же модель добилась 72,4% успешности в преобразовании известных уязвимостей в рабочие эксплойты против 14,4% у Opus 4.6 — более ранней модели Anthropic.

Устранение последствий и разрыв между организациями

Хотя ИИ ускоряет обнаружение уязвимостей, устранение последствий — процесс исправления проблем безопасности — остается узким местом, требующим человеческой проверки и одобрения. По данным Arctic Wolf, компании по кибербезопасности, 76% компрометаций в ее кейсах реагирования на инциденты включали одну или несколько из 10 известных уязвимостей, для которых патчи были доступны до эксплуатации. Этот разрыв может увеличиваться по всему рынку безопасности: более крупные предприятия, оснащенные возможностями обнаружения и устранения на основе ИИ, способны обгонять более мелкие организации, которым не хватает персонала или бюджета, чтобы справляться с объемом выявленных уязвимостей.