Mandiant · 16 июля 2026
ИИ в управлении уязвимостями: чертёж безопасной интеграции
16 июля 2026 Jules Czarniak (Mandiant) опубликовал blueprint: как встраивать LLM‑агентов в код, IDE и CI/CD для поиска и remediation уязвимостей, не разрушая целостность среды. Фон — M‑Trends 2026: mean time-to-exploit упал до −7 дней, то есть эксплуатация часто начинается до патча.
контекст
Зачем командам ИИ в vuln management
Команды безопасности пробуют агентов для ускорения discovery и remediation. Без зрелой интеграции привилегированные агенты сами становятся архитектурным риском.
Mandiant отвечает на запросы клиентов: operational guardrails, детерминированные контроли и человек в контуре там, где ставка высока.
риски
Операционные и структурные угрозы
Агент не должен видеть PII/PHI и прочие чувствительные данные «по умолчанию». Безопасность данных нужна до промпта: тестовые среды — на синтетике; в проде — defense‑in‑depth вокруг доступа агента.
Незрелый пайплайн даёт агенту слишком широкие права в репозитории или CI: ошибочный или скомпрометированный агент может менять код и конфигурацию быстрее, чем успеет ревью.
подход
Guardrails по отраслевым рамкам
Опирайтесь на NIST AI RMF и OWASP Top 10 for LLMs как базовую карту рисков, а на Google SAIF и подходы к secure AI agents — как на практический каркас: переносите детерминированные контроли в среду исполнения ИИ.
Сценарии из материала показывают: ускорение возможно, если ИИ сочетают с жёсткими политиками и экспертной валидацией, а не подменяют ими инженеров.
практика
Что внедрить завтра
Разделите роли агента: анализ vs применение изменений. Любые правки в прод‑ветках — через review и проверяемые пайплайны. Логируйте действия агента как отдельный audit trail.
Не давайте агенту секреты production; ограничивайте tool‑calling списком разрешённых действий. Для triage используйте ИИ как ускоритель, а решение о критичности и окне патча оставляйте процессу с владельцами активов.
вывод
Takeaway для защитников
ИИ в vuln management — не кнопка «закрыть CVE», а конвейер с ограждениями. На фоне отрицательного TTE выигрывают те, кто ускоряет цикл без расширения blast radius агента.
Комбинация LLM + детерминированные контроли + human expertise — рабочая формула из рекомендаций Mandiant.
# defensive policy — AI agent in vulnerability workflow
agent_role: triage_assist # not silent auto-merge to main
data_access:
pii_phi: deny
prod_secrets: deny
use_synthetic_fixtures_in_test: true
changes:
require_human_review: true
audit_log_fields: [agent_id, repo, finding_id, action, ts]
tools_allowlist: [read_sarif, open_draft_pr]
frameworks_ref: [NIST_AI_RMF, OWASP_LLM_Top10, Google_SAIF]