Palo Alto Networks ha publicado una nueva investigación que introduce el Network and Open-Source Vulnerability Analyzer (NOVA), un sistema de investigación de vulnerabilidades totalmente autónomo impulsado por IA, diseñado para descubrir, validar y documentar vulnerabilidades de software previamente desconocidas. En una evaluación de dos meses, NOVA analizó 3.915 proyectos de software de código abierto e identificó 14.090 vulnerabilidades previamente desconocidas, de las cuales el 99,4% no habían sido reportadas públicamente. Casi el 40% de los hallazgos se clasificaron como de gravedad alta o crítica bajo CVSS 4.0.
La investigación sostiene que la IA de vanguardia está cambiando fundamentalmente la investigación en vulnerabilidades al reducir drásticamente el tiempo necesario para identificar fallos de software. En lugar de apoyar tareas individualmente, los sistemas autónomos llevan a cabo gran parte del flujo de trabajo de investigación de forma independiente, desde analizar el código fuente e identificar vulnerabilidades candidatas hasta generar exploits de prueba de concepto (PoC), validar hallazgos y preparar material de divulgación.
¿Cómo funciona la arquitectura multiagente del sistema NOVA?
NOVA realiza gran parte del ciclo de vida de la investigación de vulnerabilidades mediante una arquitectura multiagente especializada que ejecuta las siguientes funciones automáticas:
- Revisión de código: Revisa repositorios de software y analiza el código fuente.
- Priorización de riesgos: Identifica y prioriza posibles vulnerabilidades.
- Generación de pruebas: Genera y valida exploits de prueba de concepto.
- Reportes para desarrolladores: Elabora informes de divulgación para los mantenedores de software.
- Recomendaciones defensivas: Genera candidatos a parches y recomendaciones defensivas.
El informe destaca los beneficios de usar múltiples modelos de IA juntos. Durante las pruebas, cada modelo identificó vulnerabilidades que otros modelos no identificaron, lo que sugiere que distintos modelos se especializan en distintos aspectos del análisis de código. La investigación concluye que combinar múltiples modelos de frontera mejora la cobertura global de vulnerabilidades, especialmente para proyectos de software más grandes y complejos.
¿Qué tipos de vulnerabilidades identifica la inteligencia artificial de vanguardia?
Otro hallazgo clave se refiere a los tipos de vulnerabilidades que la IA pudo identificar. Mientras que las técnicas automatizadas anteriores se centraban principalmente en la corrupción de memoria y otros errores amigables con el fuzzing, el 92% de los hallazgos de NOVA se englobaban en categorías más amplias de lógica y vulnerabilidades semánticas, incluyendo fallos en control de acceso y autorización, recorrido de rutas, inyección de código, contaminación de prototipos y falsificación de solicitudes en el lado del servidor (SSRF). Esto sugiere que la tecnología de vanguardia es cada vez más capaz de identificar clases de vulnerabilidades que tradicionalmente han dependido más del análisis manual.
La investigación también examinó la exposición a la cadena de suministro de software. La herramienta identificó 5.421 hallazgos en la cadena de suministro, incluyendo 1.280 vulnerabilidades en paquetes de dependencias que resultaron en 4.141 exposiciones de software aguas abajo. De estos, 2.776 rutas de exposición aguas abajo fueron validadas mediante exploits de prueba de concepto funcionales, ilustrando cómo las vulnerabilidades en componentes de código abierto ampliamente utilizados pueden afectar a un gran número de aplicaciones dependientes.
¿Cuál es el impacto de la aceleración del descubrimiento de fallas informáticas?
La investigación apunta a un cambio más amplio en la ciberseguridad, ya que la IA acelera el ritmo de descubrimiento de vulnerabilidades. A medida que las fallas de software pueden identificarse y validarse cada vez más en días en lugar de meses, el tiempo disponible para que las organizaciones evalúen riesgos e implementen medidas de mitigación podría seguir reduciéndose. Los hallazgos sugieren que el descubrimiento de vulnerabilidades se está convirtiendo en solo una parte del desafío de seguridad más amplio. A medida que aumentan el volumen y la velocidad de los descubrimientos, las organizaciones pueden necesitar una validación más rápida, procesos coordinados de divulgación y mitigación para reducir la exposición antes de que estén disponibles actualizaciones oficiales de software.
Al mismo tiempo, el informe subraya que la experiencia humana sigue siendo una parte esencial del proceso. Aunque la IA puede acelerar significativamente el análisis de código y la investigación de vulnerabilidades, los investigadores experimentados en seguridad continúan desempeñando un papel importante en la validación de los hallazgos, la priorización del riesgo, la gestión responsable de la divulgación y el desarrollo de estrategias de mitigación. En general, la investigación presenta el descubrimiento autónomo de vulnerabilidades como una capacidad emergente que podría transformar tanto la investigación en seguridad de software como la ciberseguridad defensiva, al tiempo que destaca la necesidad de que las organizaciones se adapten a plazos cada vez más comprimidos entre descubrimiento, divulgación y posible explotación de vulnerabilidades.
Aparte de acelerar los diagnósticos, las defensas automatizadas requieren un monitoreo continuo. Tanto la velocidad de respuesta como la colaboración entre analistas humanos son determinantes para contener incidentes.
¿Cómo opera la infraestructura global de Palo Alto Networks?
Como empresa líder en inteligencia artificial y ciberseguridad, Palo Alto Networks (NASDAQ: PANW) se dedica a proteger nuestra forma de vida digital a través de la innovación continua. Con la confianza de más de 70.000 organizaciones en todo el mundo, brindamos soluciones integrales de seguridad impulsadas por IA en la red, la nube, las operaciones de seguridad y la IA, mejoradas por la inteligencia y la experiencia en amenazas de Unit 42. Nuestro enfoque en la plataformización permite a las empresas optimizar la seguridad a escala, asegurando que la protección beneficie la innovación tecnológica.
La transformación del entorno cibernético exige que las empresas adopten modelos preventivos eficientes. Más que responder a incidentes aislados, las organizaciones deben estructurar defensas dinámicas capaces de procesar datos en tiempo real. La combinación de modelos generativos y supervisión experta resulta fundamental para mitigar riesgos en infraestructuras críticas globales.
