A gestão de vulnerabilidades não pode avançar à velocidade humana num mundo à velocidade da IA

Pouco depois, em julho, um modelo da OpenAI que estava a ser avaliado num ambiente isolado conseguiu escapar-lhe, explorou uma vulnerabilidade de dia zero num registo de pacotes de terceiros e encadeou-a com credenciais roubadas para executar remotamente código malicioso na infraestrutura de produção da Hugging Face.

Dois laboratórios, dois incidentes sem relação entre si, em menos de seis meses. Considerados em conjunto, não são uma coincidência, mas sim uma tendência que muda as regras do jogo: a descoberta de vulnerabilidades acelerada por IA já não é um risco futuro.

Durante anos, a gestão de vulnerabilidades funcionou sempre ao mesmo ritmo: analisar, pontuar, abrir um ticket e aplicar o patch, um modelo que pressupõe que as equipas de defesa têm tempo para percorrer uma fila de tarefas depois de uma vulnerabilidade ser divulgada. Uma premissa que já vinha a ser posta em causa muito antes disso: segundo dados da Mandiant, o tempo médio até à exploração é inferior a 7 dias, o que significa que muitas vulnerabilidades são transformadas em armas antes mesmo de existir um patch disponível.

Tentar fechar essa lacuna simplesmente aplicando mais patches também não resulta. Segundo estimativas da Qualys, menos de 1% das vulnerabilidades classificadas como críticas chegam a ser efetivamente exploradas no mundo real. A IA acelera, em simultâneo, os dois lados do problema. Do lado da descoberta, a coligação Athena da Chainguard processou dezenas de milhares de vulnerabilidades de código aberto detetadas através de IA só nas suas três primeiras semanas de trabalho. Do lado ofensivo, a unidade de investigação de ameaças (TRU) da Qualys acompanhou cadeias de exploração reais em que duas falhas, individualmente moderadas, se combinam para conseguir a execução remota de código, uma combinação que nenhum nível de CVSS, por si só, teria assinalado como urgente. Mais descobertas, cadeias de exploração mais sofisticadas e menos tempo para reagir: perante esta combinação, o modelo “clássico” simplesmente não funciona.

Uma resposta em três partes

O setor está a convergir para três capacidades que têm de funcionar em conjunto, e não de forma sequencial.

1. Detetar o que afeta o risco à velocidade da IA, tenha ou não CVE

A deteção tem de abranger configurações incorretas, exposições de identidade e vulnerabilidades que nunca receberam um CVE, que representam uma parte real e crescente da exposição total. Os atacantes que utilizam IA não esperam que exista um identificador para agir, e as principais plataformas de deteção estão a alargar cada vez mais as suas bibliotecas próprias de assinaturas, que muitas vezes contam com dezenas de milhares de assinaturas, precisamente para fechar esta lacuna.

2. Hiperpriorizar em função do ambiente único de cada organização

Os programas mais eficazes sobrepõem dezenas de fontes de informação sobre ameaças ao contexto de negócio e, depois, validam diretamente a explorabilidade face aos controlos reais, antes de qualquer elemento chegar à fila de remediação. Aplicado em grande escala, este processo de filtragem pode ter resultados extraordinários: implementações reais demonstraram que é possível reduzir conjuntos de dezenas de milhões de descobertas não filtradas a dezenas de milhares de exposições confirmadas que realmente vale a pena corrigir, reduzindo os custos de remediação previstos em mais de 99%.

3. Remediar de forma autónoma, mas com salvaguardas sólidas

Os ciclos manuais de aplicação de patches não conseguem acompanhar o ritmo exigido pela descoberta acelerada por IA, mas a automação indiscriminada também comporta riscos. A resposta parece estar na adoção de uma autonomia gradual: uma pontuação construída a partir de sinais provenientes de múltiplas organizações pode validar automaticamente software como os browsers, cujo risco de impacto é baixo, para a aplicação automática de patches sem intervenção humana, enquanto as alterações em sistemas críticos seriam feitas através de implementações faseadas, com reversão automática caso algo comece a falhar.

A resposta operacional: uma visão unificada do risco

A nível operacional, a solução não passa por acrescentar sucessivos painéis de controlo. É necessário criar um modelo que trate cada fonte de risco (vulnerabilidades, postura de segurança na cloud e em contentores, gestão de identidades, aplicações, OT/IoT…) como entradas para uma visão única do risco, classificada e validada, em vez de permitir que cada programa gere a sua própria lista de elementos críticos. É aquilo a que a Qualys chama Risk Operations Center (ROC). Ao contrário do SOC tradicional, em que se responde depois de algo se ter transformado num incidente, o modelo ROC foi concebido para trabalhar de forma proativa e preventiva, unificando os ativos e as descobertas provenientes de todo o ambiente, priorizando-os com base em informação sobre ameaças e no contexto de negócio, para validar quais os elementos que são realmente exploráveis e encaminhar o risco confirmado para remediação.

Com este modelo, os relatórios podem ainda passar de métricas de atividade, como o número de CVE encontrados ou de patches aplicados, para resultados que interessam a um conselho de administração: valor em risco, exposição financeira eliminada face a ameaças confirmadas e rapidez com que se fecha a lacuna entre algo que é «explorável» e algo que está «resolvido».

Um novo paradigma de remediação

O Mythos foi o momento em que a descoberta de vulnerabilidades acelerada por IA deixou de ser uma possibilidade teórica. O incidente da OpenAI e da Hugging Face, meses depois, foi o momento em que deixou de ser um problema exclusivo dos laboratórios de fronteira. Ambos os acontecimentos apontam para a mesma conclusão: aplicar mais patches, e mais depressa, dentro do modelo antigo já não é uma estratégia viável.

Detetar as exposições que geram risco cibernético para o negócio, priorizar em função do risco e da verdadeira explorabilidade em vez da gravidade teórica, e remediar de forma autónoma com salvaguardas de segurança reais: é esta a combinação de que realmente precisamos para acompanhar o ritmo das ameaças impulsionadas pela IA.