Агенты Mistral AI успешно обнаружили и устранили критическую уязвимость в коде
Исследователи протестировали расширенные возможности Mistral Large 4, предложив ему выполнить сложную, реальную задачу кибербезопасности: найти, доказать и исправить критическую уязвимость.
Используя недавний Django CVE в качестве цели, система развернула 133 специализированных AI-агента. Эти агенты систематически картировали код, искали потенциальные недостатки и тщательно тестировали различные сценарии атак для подтверждения существования бага.
После подтверждения для автоматического применения исправления был использован механизм патчинга под названием Le Chonk. Весь процесс — триаж, воспроизведение и патчинг — был продемонстрирован с впечатляющей скоростью 90x, что демонстрирует огромный скачок в возможностях автоматизированного исправления уязвимостей. Этот многоагентный подход подчеркивает потенциал ИИ для автоматизации сложного обслуживания программного обеспечения и устранения уязвимостей.
Почему это важно
- —Это демонстрирует способность AI-агентов выполнять сложные многоэтапные задачи (обнаружение, доказательство и исправление ошибок) автономно.
- —Использование 133 специализированных агентов показывает масштабируемый, параллельный подход к анализу кода, который значительно превосходит возможности одной модели.
- —Автоматизация всего жизненного цикла уязвимости (от триажа до исправления) значительно ускоряет безопасность и обслуживание программного обеспечения.
Ключевые факты
- Тест был сосредоточен на недавней CVE Django (Common Vulnerabilities and Exposures).
- Система использовала 133 специализированных AI-агента для картирования кода и поиска уязвимостей.
- Процесс включал подтверждение ошибки, за которым последовало автоматическое исправление с помощью Le Chonk.
- Весь рабочий процесс был продемонстрирован с ускорением в 90 раз.
Полный текст — в первоисточнике. Здесь — краткое изложение и ключевые факты.