L’AI spinge bug e database oltre la revisione umana
Il punto non è che l’AI trovi più vulnerabilità. Il punto è che ora può farlo e agire sui database alla velocità della macchina, dentro due colli di bottiglia che finora reggevano il controllo: la verifica delle vulnerabilità e la governance delle modifiche ai dati. Il modello implicito era che ogni finding o cambio passasse da una revisione umana prima di arrivare in produzione o in coda di disclosure; questo presupposto si sta rompendo.
Le fonti mettono insieme due traiettorie che convergono sullo stesso problema operativo. Da un lato, i sistemi di discovery AI di Anthropic, OpenAI e Google DeepMind sono già capaci di scoprire, concatenare e in alcuni casi correggere vulnerabilità a machine speed; dall’altro, l’uso di AI nella gestione dei database è quasi triplicato in un anno, dal 15% al 44% delle organizzazioni, con strumenti autonomi che possono avere accesso in scrittura a dati sensibili e operare con solo una revisione limitata.
Per chi gestisce vulnerability management o database, il rischio non è solo più volume. È una cadenza che supera il ritmo con cui persone, processi e controlli possono ancora validare, prioritizzare e fermare ciò che l’AI genera o modifica.
Modernizing Global Vulnerability Standards For The Age Of AI
As AI-driven vulnerability discovery accelerates, the cybersecurity ecosystem is being forced to examine whether the standards, disclosure processes, and prioritization frameworks defenders rely on can still keep pace. In Rapid7’s new policy paper, understand where today’s vulnerability management infrastructure is breaking under AI-era conditions, and what governments, security companies, and frontier AI providers need to do next.