Google AVDH: агентний аналіз коду проти зловмисного AI

Зловмисне використання AI скорочує час, який мають захисники на виявлення й закриття вразливостей до їх експлуатації. Agentic Vulnerability Discovery Harness (AVDH) від Google перетворює аналіз вихідного коду на конвеєр агентів, керований людською експертизою.

Коли пропрієтарний код потрапляє в чужі руки, захисники змушені діяти швидко, тоді як атакувальники застосовують AI-інструменти на машинній швидкості. Mandiant і Google Cloud представили AVDH — внутрішній інструмент, що структурує LLM-аналіз, впроваджує скептичну валідацію та інтегрує доменну експертизу безпосередньо в робочий процес. Це дає швидший і точніший пошук вразливостей під час проактивних оглядів, пентестів, red team-операцій та реагування на інциденти.

Що було анонсовано

Команда Threat Intelligence Google розкрила архітектуру Agentic Vulnerability Discovery Harness (AVDH), який Mandiant використовує впродовж 10 місяців. Під час нещодавнього розслідування інциденту з викраденими корпоративними репозиторіями AVDH виявив понад 100 істинно-позитивних критичних вразливостей лише за два дні — у рази швидше за ручний аналіз.

За час експлуатації harness проаналізував середовища з десятками мільйонів рядків коду, виконав тисячі конвеєрів і згенерував десятки тисяч знахідок. Знайдені вразливості в поширених веброзширеннях і open-source проєктах призвели до 12 присвоєних CVE, включно з CVE-2026-13242 та CVE-2026-55803. AVDH працює разом із CodeMender, формуючи дворівневу стратегію захисту.

Чому це важливо

Для CIO, CISO, IT-директорів і керівників закупівель AVDH демонструє зрілість AI-безпеки. Ручний аналіз коду не встигає за зловмисним AI, а традиційні сканери пропускають цілі класи сучасних вразливостей. Впровадження frontier-моделей у експертно заданий harness дозволяє автоматизувати виявлення типових вразливостей і звільнити фахівців для роботи над складними ланцюжками експлуатації.

AI найефективніший тоді, коли працює як практичний мультиплікатор людської експертизи, перетворюючи видимість коду на масштабований захист

Технічні деталі

• Фреймворк: побудований на Google Agent Development Kit (ADK) та узгоджений з оркестрацією у Google Antigravity.
• Послідовний конвеєр: Explorer-агенти виконують розвідку та формують threat model, яку перевіряє людина.
• Пошук точок входу: паралельні Discovery-агенти використовують Gemini Flash Lite для витягу HTTP-маршрутів, IPC-слухачів та інших векторів атаки.
• Збагачення контекстом: Enrichment-агенти агрегують розподілені санітайзери, дозволи та маршрутизацію по вкладених викликах.
• Генерація гіпотез: Access Control та Data Flow Analysis шукають SQL injection, XSS, command injection, path traversal, CSRF, ескалацію привілеїв.
• Валідація: кілька Validation-агентів з високою temperature подають дані до Synthesis-агента, який ухвалює остаточне рішення.
• Людина в циклі: консультанти відтворюють експлуатацію через POC перед розкриттям.
• Distilled knowledge: модульна ієрархія правил (домен, мова, фреймворк, вразливість) додає експертизу Mandiant у кожен етап.
• Бенчмаркінг: власні синтетичні кодові бази виключають забруднення тренувальних даних.

Softprom та Google

Softprom є офіційним партнером Google. Наша команда допомагає підприємствам оцінювати, впроваджувати та операціоналізувати рішення безпеки Google Cloud — від AI-захисту до безпечних пайплайнів розробки та управління вразливостями.

Цей матеріал підготовлено в рамках проєкту Softprom DistriFlow — автоматизованої системи моніторингу та адаптації новин вендорів. Джерело: оригінальна стаття.